10.3969/j.issn.1000-1298.2010.11.033
基于特征优化和LS-SVM的棉田杂草识别
为了提高杂草识别的精度和效率,提出了一种基于特征优化和最小二乘支持向量机(LS-SVM)技术的棉田杂草识别方法.在对原始图像灰度化、滤波去噪和阈值分割等处理的基础上,提取植物叶片的6个几何特征和7个Hu不变矩,用粒子群优化(PSO)算法对形状特征进行优化选择,缩减LS-SVM训练样本数据,然后用训练好的分类器进行杂草识别.实验结果表明,该方法在有效缩减形状特征的同时,能够保持高于原始特征集的识别率,平均正确识别率达到95.8%.
棉花、杂草识别、特征选择、粒子群优化算法、最小二乘支持向量机
41
TP391.41(计算技术、计算机技术)
江苏大学现代农业装备与技术省部共建教育部重点实验室开放基金资助项目NZ200709
2011-05-18(万方平台首次上网日期,不代表论文的发表时间)
共5页
168-172