收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于多特征降维的植物叶片识别方法

郑一力  钟刚亮  王强  赵玥  赵燕东  
【摘要】:植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。

知网文化
【相似文献】
中国期刊全文数据库 前1条
1 伍建军;康耀红;;文本分类中特征降维方式的研究[J];海南大学学报(自然科学版);2007年01期
中国重要会议论文全文数据库 前1条
1 伍建军;康耀红;;关于文本分类中特征降维方式的研究[A];第三届学生计算语言学研讨会论文集[C];2006年
中国博士学位论文全文数据库 前2条
1 曹苏群;基于模糊Fisher准则的聚类与特征降维研究[D];江南大学;2009年
2 孙伟;基于迁移学习的文本分类算法研究[D];中国矿业大学(北京);2013年
中国硕士学位论文全文数据库 前10条
1 宋坚;量子化张量列分解及其在特征降维上的应用[D];华东师范大学;2016年
2 李泰辉;IG-NMF特征降维方法在入侵检测中的应用研究[D];吉林大学;2016年
3 陈媛;基于相似度区分的联机手写梵音藏文特征降维方法研究[D];西北民族大学;2016年
4 王家俊;基于半监督学习的特征降维方法研究[D];西安电子科技大学;2015年
5 王飞;基于局部信息保持的特征降维方法研究[D];西安电子科技大学;2014年
6 胡涛;基于依存关系的文本特征降维研究[D];西安电子科技大学;2012年
7 闫晓波;基于统计量的特征降维的研究与应用[D];江南大学;2013年
8 任珂;模式分类中特征降维方法的研究[D];江南大学;2009年
9 黄章益;基于语义的中文文本特征降维方法研究[D];西安电子科技大学;2012年
10 付赛男;基于特征降维的场景分类方法研究[D];上海交通大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978