基于机器视觉的苹果分级中特征参量选择方法

摘要：

为提高基于数字图像的苹果分级的准确性,常提取多特征信息.然而,使用多特征信息分级时会存在信息冗余等问题.为此,运用主成分分析(PCA)来融合特征参量,并借助Wilks A统计量选择对分级有显著作用的主成分；然后依据各特征参量对所选择主成分的贡献率筛选特征参量.Fisher判别分析(FDA)结果表明:使用所选择的特征参量进行苹果分级,分级效果明显优于特征选择前,分级正确率和交叉验证正确率分别提高了2.0％和1.5％.

关键词：苹果、分级、图像处理、特征选择、主成分分析、统计量

所属期刊栏目：43

分类号：TS255;TP391.4(食品工业)

资助基金：河南省科技创新杰出青年资助项目624420017

在线出版日期：2012-10-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：118-121,127