基于二维子空间的苹果病害识别方法

摘要：

如何准确、实时得到苹果病害信息是苹果病害管理的一个重要研究内容.根据苹果叶片症状准确、快速地诊断苹果病害是预防和控制苹果病害的基础.由于苹果同类病害叶片及其病斑图像的形状、颜色和纹理之间的差异很大,使得很多经典的模式识别方法不能有效地应用于苹果叶部病害识别.为此,提出了一种基于二维子空间学习维数约简(2DSLDR)的苹果病害识别方法.该方法将高维空间的观测样本点映射到低维子空间,使得类内样本点更加紧凑,而类间样本点更加分离,从而得到最佳的分类特征.该方法直接作用于叶片图像,不需要计算逆矩阵,从而克服了经典植物病害识别方法中特征提取与选择的难题,避免了经典子空间判别分析中的小样本问题,提高了识别效果.采用该方法对三种常见苹果叶部病害进行识别实验,并与其他苹果病害识别和监督流形学习方法进行比较.实验结果表明,2DSLDR对苹果叶部病害识别是有效可行的,识别精度高达90%以上.

关键词：苹果叶部病害识别、苹果病害叶片图像、最近邻分类器、二维子空间学习维数约简

所属期刊栏目：53

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61473237;陕西省自然科学基础研究计划2014JM2-6096;陕西省教育厅科研项目16JK2237

在线出版日期：2017-12-14（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：180-184