基于多特征融合的玉米前期图像的旱情识别
为实现对玉米植株旱情的分析, 针对目前农业干旱指标涉及领域较为广泛、获取困难的研究现状, 提出了一种基于多特征融合的玉米前期图像旱情识别方法.以正常和特旱两种情况的玉米植株图像为样本, 采用经典Kmeans算法对玉米植株图像提取感兴趣区域;进而提取分割后的玉米植株图像, 包括颜色、奇异值分解(SVD)、纹理等共计20维特征;采用遗传算法对20维特征选择有效特征子集;最后针对有效特征子集建立了基于最小二乘支持向量机的判别模型, 获取了玉米植株图像的旱情信息.将单个特征(颜色、SVD、纹理)直接融合之后的特征以及利用主成分分析法的特征选择作为对比实验, 平均识别正确率分别为0. 9503、0. 9627、0. 9771、0. 9460、0. 9745, 而采用遗传算法进行特征选择后, 最终寻到最优解为9维特征, 平均识别正确率为0. 9903.结果表明, 运用图像处理技术可以对旱情进行识别, 取得了较好的效果, 为农业旱情的识别提供了新思路.
图像处理、旱情识别、多特征融合、遗传算法
54
TP3-05(计算技术、计算机技术)
2018-07-30(万方平台首次上网日期,不代表论文的发表时间)
共9页
135-143