【正文】 /*從MATLAB接收字符串函數(shù)。,true)。i 8。}or = sqrt(or2)。j++){ GLCM_one_j[j] = 0。j++) { *ASMValue = *ASMValue + DistGLCM_one[i][j]*DistGLCM_one[i][j]。for(i = 0。i++) for(j = 0。j 1。通過改進(jìn)CVI和MATLAB兩個(gè)開發(fā)平臺(tái)的運(yùn)用方法，方便快捷地實(shí)現(xiàn)了矮腥和 網(wǎng)腥這兩種近親病菌的分類，其分類精確度也能達(dá)到百分之七十多，效果甚好。*/int SendMatrix(CAObjHandle hMatlab, char *matlabName, double *matrixReal, double *matrixImag, unsigned dim1, unsigned dim2)。 /* MATLAB窗口最大最小化函數(shù)，其minmaxFlag是最大最小化標(biāo)志。③在彈出的ActiveX Controller WizardAdvanced Options對(duì)話框中單擊“Check All”按鈕，其余按照默認(rèn)方式。%樣本訓(xùn)練；svmStruct = svmtrain(data(train,:),groups(train),39。 LabWindows／CVI紋理特征提取及腥黑穗病紋理特征提取實(shí)驗(yàn)LabWindows／CVI開發(fā)平臺(tái)運(yùn)行速度快，界面功能強(qiáng)大；而MATLAB開發(fā)平臺(tái)內(nèi)部可運(yùn)用資源豐富。如果圖像中有水平方向紋理，則水平方向矩陣的COR大于其余矩陣的COR值。ASM值大表明一種較均一和規(guī)則變化的紋理模式。關(guān)鍵點(diǎn)方法產(chǎn)生較晚，但是由于紋理特征的魯棒性，無疑具有很大的發(fā)展空間。例如，Cross和Jain也認(rèn)為:“紋理是由基元所組成。%分類準(zhǔn)確率的估算；classperf(cp,classes,test)。具體地說, 當(dāng)樣本集在Z 中線性可分時(shí), 使分類間隔最大, 其求解如式（1）： ,st (1)當(dāng)樣本集在Z 中線性不可分時(shí), 使分類間隔和分類錯(cuò)誤達(dá)到某種折衷, 其求解如式（2）： ,st , (2)其中, ξi是松弛變量；C為正則化參數(shù)。，對(duì)于多類問題效果不好。首先是圖像的預(yù)處理；然后是對(duì)目標(biāo)物體的特征提取，包括形狀和紋理特征；再對(duì)提取到的特征進(jìn)行篩選，選出區(qū)分度好的特征進(jìn)行識(shí)別。Burks （2000）利用彩色共生法（CCM）對(duì)土壤和5種雜草（巨狐尾草、蟹草、黎、絨毛葉、牽?；ㄈ~）進(jìn)行了識(shí)別。小麥網(wǎng)腥黑穗?。ê?jiǎn)稱TCT）與小麥矮腥黑穗病是同屬不同種，它主要危害小麥和黑麥， TCK與TCT病菌的形態(tài)學(xué)特征極其相似，在檢疫中很容易混淆，給口岸的檢疫工作帶來困難。但是支持向量機(jī)（Support Vector Machine，SVM）可以克服極高維表示的缺陷，被廣泛運(yùn)用到紋理圖像分類中去。為保護(hù)糧食生產(chǎn)，防治TCK病菌的傳入，快速準(zhǔn)確的鑒別TCK和TCT及其近似種，成為一項(xiàng)十分重要的檢疫工作。 國(guó)內(nèi)研究現(xiàn)狀田有文,李成華（2004）用基于統(tǒng)計(jì)模式識(shí)別的植物病害彩色圖像分割方法，根據(jù)植物病害彩色圖像的特點(diǎn),提出了用顏色空間作為特征空間,利用統(tǒng)計(jì)模式識(shí)別的監(jiān)督分類方法,采用基于Fisher準(zhǔn)則的線性判別函數(shù)來對(duì)彩色圖像進(jìn)行真彩色二值化分割。 小麥腥黑穗病鑒定的研究?jī)?nèi)容與技術(shù)路線 研究?jī)?nèi)容本文主要研究?jī)?nèi)容如下：⑴以小麥矮腥黑穗?。═illetia Controversa Kuhn）小麥網(wǎng)腥黑穗?。═illetia cories （DC.） Tul.）三種病害圖像為研究對(duì)象，分析、比較多種圖像預(yù)處理方法，提出適合于入境小麥病害圖像的預(yù)處理方法，改進(jìn)對(duì)圖像的處理效果；⑵對(duì)小麥進(jìn)行圖像分割，以便能提取出需要的特征，通過對(duì)不同圖像分割算法的效果及效率進(jìn)行分析，選出適合于小麥病害圖像分割的方法；⑶對(duì)小麥病害圖像的紋理特征進(jìn)行分析，包括能量、熵、慣性矩、局部平穩(wěn)性、相關(guān)性等；⑷在提取形狀、紋理特征的基礎(chǔ)上，分析每種病害的唯一性識(shí)別特征，實(shí)現(xiàn)小麥病害的分類識(shí)別。
。%對(duì)樣本進(jìn)行標(biāo)記；groups= ismember(species,’setoas’)。一般來講，場(chǎng)景中一些潛在的物理變化會(huì)引起（例如水中的波紋，天空的云彩）圖像中的灰度變化，而后者表述了這些多樣化和難于描述的物理變化在視覺中的反映，這種在視覺上的反映就是紋理。 紋理分析的研究?jī)?nèi)容特征提取是紋理分析的基礎(chǔ)，好的紋理特征具有四個(gè)主要用途:紋理分類(Texture Classification)、紋理分割(Texture Segmentation) 、紋理檢索(Texture Retrieval) 以及紋理形狀抽取(Shape from Texture)。對(duì)于整個(gè)畫面，統(tǒng)計(jì)出每一種 （g1，g2）值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用（g1，g2）出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P（g1，g2），這樣的方陣稱為灰度共生矩陣。灰度差即對(duì)比度大的象素對(duì)越多，這個(gè)值越大。 小麥腥黑穗病菌的直觀特征小麥網(wǎng)腥黑穗病的冬孢子多數(shù)為球形或近球形，黑色至淡褐色。提取出來這8個(gè)特征后，把對(duì)應(yīng)的數(shù)據(jù)保存到exl空間里，然后由exl文檔輸出這8個(gè)紋理特征。,true)。其方法及步驟如下：①打開注冊(cè)表編輯器，查到用戶安裝的相應(yīng)版本MATLABApplication的注冊(cè)碼，以version 6．5為例，其注冊(cè)碼是{554F605379D411D4．B067009027BA5F81}。*/ int RunMatlabCommand(CAObjHandle hMatlab, char *mand)。下面是對(duì)兩種腥黑穗病的分類實(shí)驗(yàn)。 double DistGLCM[8][8],SumDist。 x1 = PixelValueX1/32。i 8。 }/* 相似度 Simi **/ *SimiValue = 0。j 8。for(i = 0。}oc = sqrt(oc2)。 }svm分類的主要代碼load matlabdata=[meas(:,1),meas(:,2)]。*/ int MinMaxMatlab(CAObjHandle hMatlab, int minmaxFlag)。/*從MATLAB接收矩陣函數(shù)。其中變量mFilePath是M腳本文件的路徑。svmStruct = svmtrain(data(train,:),groups(train),39。j 8。j++){ mc = mc + j*GLCM_one_j[j]。 for(j = 0。 }/*一致性ASM */*ASMValue = 0。i 8。i++) for(j = 0。 } IPI_GetImageInfo (DestImage, amp。通過上面的實(shí)驗(yàn)結(jié)果可以看出，本次的實(shí)驗(yàn)是相當(dāng)成功的，對(duì)石紋和樹皮紋理這兩種紋理圖像進(jìn)行了高精度的分類，這主要是SVM算法的強(qiáng)大和兩種圖像容易區(qū)分所帶來的結(jié)果。*/int SendString(CAObjHandle hMatlab, char *matStringName, char *CVIString)。在工程文件窗口中選擇Edit Add Files to Project，添加Example．c，Example．h，Example．uir，并添加上文提到的ActiveX服務(wù)函數(shù)；在工程文件、用戶面板編輯或代碼窗口中操作Rhn．Run Pmject，就可調(diào)試、運(yùn)行工程文件了。下面將詳細(xì)講解LabWindows／CVI與MATLAB的混合編程。%對(duì)樣本進(jìn)行標(biāo)記；groups= ismember(species,’setoas’)。4 基于SVM的矮腥與網(wǎng)腥圖像分類實(shí)驗(yàn) SVM分類器的實(shí)現(xiàn)方法 支持向量機(jī)實(shí)現(xiàn)分類的方法在MATLAB中早已有人做出來了，而且臺(tái)灣大學(xué)的林智仁教授所帶領(lǐng)的實(shí)驗(yàn)室小組團(tuán)隊(duì)對(duì)支持向量機(jī)的研究相當(dāng)?shù)某墒?，只不過他們?cè)臼褂肅語言編寫的，后來有人把他改寫成MATLAB的m文件了。相反，如果矩陣像元值相差很大則相關(guān)值小。通?？梢杂靡恍?biāo)量來表征灰度共生矩陣的特征，令G表示灰度共生矩陣常用的特征有: ASM能量（angular second moment）計(jì)算公式如式（7） (7)也即每個(gè)矩陣元素的平方和。紋理檢索是研究關(guān)于利用紋理相似度進(jìn)行圖像檢索，是基于內(nèi)容的圖像檢索(Contentbased Image Retrieval,CBIR)的一個(gè)很重要的研究?jī)?nèi)容。Haralick則認(rèn)為圖像紋理可以通過紋理基元及其空間組織或布局來描述。showplot39。這一切要?dú)w功于核函數(shù)的展開和計(jì)算理論。 支持向量機(jī)的一般特征 ，因此可以利用已知的有效算法發(fā)現(xiàn)目標(biāo)函數(shù)的全局最小值。陳衛(wèi)東，劉素華（2007）針對(duì)模式識(shí)別時(shí)，提取的特征參數(shù)量大而又有冗余的現(xiàn)象，提出了基于遺傳算法的特征選擇方法。隨著計(jì)算機(jī)圖像處理技術(shù)日益廣泛的應(yīng)用，將計(jì)算機(jī)等高新技術(shù)和植物物檢驗(yàn)檢疫相結(jié)合，能夠克服傳統(tǒng)檢疫方式的缺點(diǎn)，使檢驗(yàn)檢疫穩(wěn)定、快速、客觀。關(guān)鍵詞：支持向量機(jī) 紋理圖像特征 圖像分類 腥黑穗病鑒定Wheat red in brand identification method of SVMLi Zongshang(College of Engineering, South China Agricultural University, Guangzhou 510642, China)Abstract: Automatic classification of texture image is a key task in many fields, including agricultural products classification, visual scene detection, information retrieval, medical applications, and so on. When operating directly on the image, the traditional classification method as the data of high dimension characteristic performance is poor, it is difficult to obtain good effect. But the Support Vector Machine (SVM) can overe the defects very highdimensional said, was widely used in the texture image classification. In this paper, the main work done is as follows:1. The brief analysis of the working principle of support vector machine, analyzing each parameter of kernel function of support vector machine on the classification model, the influence of paring the parameters of the SVM optimization ability. At the