一种基于PCA的鱼类识别方法、设备及存储介质技术

本发明专利技术提供了一种基于PCA的鱼类识别方法，所述方法包括步骤：提取鱼类轮廓图像的特征点；以所述特征点的横坐标构成横坐标矩阵，以所述特征点的纵坐标构成纵坐标矩阵；对所述横坐标矩阵及所述纵坐标矩阵进行标准化处理，得到标准横坐标矩阵及标准纵坐标矩阵；对所述标准横坐标矩阵及所述标准纵坐标矩阵进行主成分分析得到区分鱼类的主成分；根据所述区分鱼类的主成分完成对鱼类的识别。本发明专利技术还提供了一种主动交互设备及非暂态可读存储介质，用来实现所述方法。本发明专利技术可以对不同的鱼类进行有效识别。

【技术实现步骤摘要】
一种基于PCA的鱼类识别方法、设备及存储介质
本专利技术涉及图像识别领域，更具体地，涉及一种基于PCA的鱼类识别方法、设备及存储介质。
技术介绍
在许多领域的研究与应用中，往往需要对反映事物的多个变量进行大量的观测，收集大量数据以便进行分析寻找规律。多变量大样本无疑会为研究和应用提供了丰富的信息，但也在一定程度上增加了数据采集的工作量，更重要的是在多数情况下，许多变量之间可能存在相关性，从而增加了问题分析的复杂性，同时对分析带来不便。例如，在鱼类研究中，由于鱼类的种类繁多，形态各异，鱼类数据的采集与分析工作就会遇到上述问题。因此，找到一个减少需要分析的指标，同时尽量减少原始样本包含信息的损失，以达到对所收集数据进行全面分析的方法，就成为业界关注的问题。
技术实现思路
为克服上述问题或者至少部分地解决上述问题，本专利技术提供了一种基于PCA的鱼类识别方法的、设备及存储介质。一方面，本专利技术提供了一种基于PCA的鱼类识别方法，具体步骤包括：提取鱼类轮廓图像的特征点；以所述特征点的横坐标构成横坐标矩阵，以所述特征点的纵坐标构成纵坐标矩阵；对所述横坐标矩阵及所述纵坐标矩阵进行标准化处理，得到标本文档来自技高网...

【技术保护点】
1.一种基于PCA的鱼类识别方法，所述方法由硬件设备实现，其特征在于，包括以下步骤：步骤1：提取鱼类轮廓图像的特征点；步骤2：以所述特征点的横坐标构成横坐标矩阵，以所述特征点的纵坐标构成纵坐标矩阵；步骤3：对所述横坐标矩阵及所述纵坐标矩阵进行标准化处理，得到标准横坐标矩阵及标准纵坐标矩阵；步骤4：对所述标准横坐标矩阵及所述标准纵坐标矩阵进行主成分分析得到区分鱼类的主成分，根据所述区分鱼类的主成分完成对鱼类的识别。

【技术特征摘要】
1.一种基于PCA的鱼类识别方法，所述方法由硬件设备实现，其特征在于，包括以下步骤：步骤1：提取鱼类轮廓图像的特征点；步骤2：以所述特征点的横坐标构成横坐标矩阵，以所述特征点的纵坐标构成纵坐标矩阵；步骤3：对所述横坐标矩阵及所述纵坐标矩阵进行标准化处理，得到标准横坐标矩阵及标准纵坐标矩阵；步骤4：对所述标准横坐标矩阵及所述标准纵坐标矩阵进行主成分分析得到区分鱼类的主成分，根据所述区分鱼类的主成分完成对鱼类的识别。2.如权利要求1所述的一种基于PCA的鱼类识别方法，其特征在于，所述提取鱼类轮廓图像的特征点具体步骤包括：对鱼类轮廓图像上的线段进行拟合，并计算所述线段上每个点的曲率；按照曲率从大到小的顺序依次选取至少一个点作为所述特征点。3.如权利要求1或2所述的一种基于PCA的鱼类识别方法，其特征在于，所述标准化处理的具体步骤包括：分别获取所述横坐标矩阵及所述纵坐标矩阵每列元素的均值；分别获取所述横坐标矩阵及所述纵坐标矩阵每列元素的标准差；所述横坐标矩阵或所述纵坐标矩阵的每列每个元素减去每列元素的均值再除以标准差即完成标准化处理；所述标准差包括：其中，σ为标准差，N为矩阵每列元素的数量，xi为矩阵每列的每个元素，u为矩阵每列元素的算术平均值。4.如权利要求2所述的一种基于PCA的鱼类识别方法，其特征在于，所述鱼类的种类具体包括四种；所述主成分分析具体步骤包括：根据三次多项式对所述标准横坐标矩阵及所述标准纵坐标矩阵进行拟合；列出所述三次多项式的系数，根据所述系数得到横坐标系数矩阵及纵坐标系数矩阵；根据所述三次多项式的基函数得到符号矩阵；根据所述符号矩阵计算得到横坐标积分矩阵及纵坐标积分矩阵；根据所述横坐标系数矩阵、纵坐标系数矩阵、横坐标积分矩阵及纵坐标积分矩阵得到特征矩阵；计算所述特征矩阵的特征向量，以所述特征向量为列组...

【专利技术属性】
技术研发人员：高万林，杨晨，
申请(专利权)人：中国农业大学，
类型：发明
国别省市：北京,11