药材产地等级的高光谱图形分类识别方法、装置及设备制造方法及图纸

本发明专利技术涉及一种药材产地等级的高光谱图形分类识别方法、装置及设备。方法包括：获取待识别药材的高光谱图形数据；对高光谱图形数据进行预处理，得到训练样本和测试样本；利用最小二乘回归算法对训练样本和测试样本进行处理，得到训练投影样本和测试投影样本；基于吉洪诺夫正则化的协同表示方法对训练投影样本和测试投影样本进行分类，得到测试样本类标签；根据测试样本类标签结合待识别药材对应的地物真实标签图计算分类精度。上述方法中采用最小二乘回归算法及基于吉洪诺夫正则化的协同表示方法提高了特征提取精度及分类精度，提高了药材产地等级的分类识别效率及精度。

【技术实现步骤摘要】
药材产地等级的高光谱图形分类识别方法、装置及设备
本专利技术涉及影像处理
，具体涉及一种药材产地等级的高光谱图形分类识别方法、装置及设备。
技术介绍
当前关于中药材的产地、品质和产量估算等在药用植物学领域方面已经有了大量的研究成果，但是由于药用植物种类多样，并且不同种类间在结构、成分等方面的差异较大，生产实践中效果优良、简便易行的非人工识别技术方法仍然在不断的探索和发展过程中。在传统的产地鉴别中，两种常用的技术是矿物元素分析和同位素指纹图谱技术，这两种技术在鉴别过程中都需要使用化学计量的方法，虽然有较高的准确性和灵敏度，但费用较高且鉴别速度慢；此外，近红外光谱技术是近几年发展起来的一种快速、无损、应用广泛的鉴别技术，但是其鉴别结果易受样本状态和环境条件的影响，而且灵敏度较低。
技术实现思路
有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种药材产地等级的高光谱图形分类识别方法、装置及设备。为实现以上目的，本专利技术采用如下技术方案：一种药材产地等级的高光谱图形分类识别方法，包括：获取待识本文档来自技高网...

【技术保护点】
1.一种药材产地等级的高光谱图形分类识别方法，其特征在于，包括：/n获取待识别药材的高光谱图形数据；/n对所述高光谱图形数据进行预处理，得到训练样本和测试样本；/n利用最小二乘回归算法对所述训练样本和测试样本进行处理，得到训练投影样本和测试投影样本；/n基于吉洪诺夫正则化的协同表示方法对所述训练投影样本和所述测试投影样本进行分类，得到测试样本类标签；/n根据所述测试样本类标签结合所述待识别药材对应的地物真实标签图计算分类精度。/n

【技术特征摘要】
1.一种药材产地等级的高光谱图形分类识别方法，其特征在于，包括：
获取待识别药材的高光谱图形数据；
对所述高光谱图形数据进行预处理，得到训练样本和测试样本；
利用最小二乘回归算法对所述训练样本和测试样本进行处理，得到训练投影样本和测试投影样本；
基于吉洪诺夫正则化的协同表示方法对所述训练投影样本和所述测试投影样本进行分类，得到测试样本类标签；
根据所述测试样本类标签结合所述待识别药材对应的地物真实标签图计算分类精度。


2.根据权利要求1所述的方法，其特征在于，所述对所述高光谱图形数据进行预处理，得到训练样本和测试样本，包括：
将所述高光谱图形数据进行数据格式调整，得到二维数据阵；
根据预设挑选规则从所述二维数据阵中挑选所述训练样本；
从剩余的二维数据阵中获取所述测试样本。


3.根据权利要求1所述的方法，其特征在于，所述利用最小二乘回归算法对所述训练样本和测试样本进行处理，得到训练投影样本和测试投影样本，包括：
利用最小二乘回归算法结合所述训练样本进行迭代训练，得到投影矩阵；
利用所述投影矩阵对所述训练样本和所述测试样本进行特征提取，得到所述训练投影样本和所述测试投影样本。


4.根据权利要求3所述的方法，其特征在于，所述利用最小二乘回归算法结合所述训练样本进行迭代训练，得到投影矩阵，包括：
根据最小二乘回归算法公式计算投影矩阵；
其中，R为预设初始目标矩阵，所述预设初始目标矩阵带有类标签先验信息，Q为预设初始投影矩阵，X为所述训练样本对应矩阵，λ1λ2为正则化参数，L为拉普拉斯矩阵，P为正交重构矩阵，Tr(QTXLXTQ)为带有类内紧度图的流形正则项，为目标矩阵的边缘约束，其中li表示第i个样本xi的真实类的索引，n为所述训练样本的总个数，F代表F范数。


5.根据权利要求4所述的方法，其特征在于，所述正交重构矩阵的构建步骤包括：
利用奇异值求解算法结合所述训练样本计算得到所述正交...

【专利技术属性】
技术研发人员：陶然，李伟，张宇翔，张蒙蒙，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11