中国农业科学院农业信息研究所 主办
当前位置: 首页 > 文章 > 基于粒子群算法和支持向量机的黄花菜叶部病害识别

基于粒子群算法和支持向量机的黄花菜叶部病害识别

山西农业大学信息科学与工程学院;山西大同大学

摘  要:
使用数字图像处理技术,以黄花菜叶部病害图像为识别对象,基于Lab空间和K-means聚类算法分割病害区域,提取目标区域的颜色特征、方向梯度直方图(histogram of oriented gradient,HOG)特征和形状特征,分别建立单一特征模型和特征融合模型,采用粒子群(particle swarm optimization,PSO)算法通过交叉验证优化支持向量机(support vector machine,SVM)模型的惩罚因子和核参数,建立基于PSO-SVM的多特征融合分类模型识别黄花菜病害.基于SVM的多特征融合分类模型识别率高于单一特征分类模型,识别率可达为81.67%;基于PSO-SVM多特征融合分类模型识别率高达92.39%.基于PSO-SVM的多特征分类模型识别率高,可以及时、便捷、高效地识别黄花菜病害.

关键词:图像处理;黄花菜;病害识别;支持向量机;粒子群算法;多特征融合

PDF下载 引用

所属期刊

中国农学通报

ISSN: 1000-6850

CN: 11-1984/S

相似文章

推荐期刊