基于改进灰度共生矩阵和粒子群算法的稻飞虱分类

摘要：

针对稻飞虱远程实时识别采集图像质量不高而无法使用颜色特征的问题，应用灰度共生矩阵提取的纹理特征值对稻飞虱分类进行了研究。采用自行设计的拍摄装置采集稻飞虱图像，经过一系列预处理后得到去掉背景的稻飞虱灰度图像；对灰度图像采用改进的灰度共生矩阵提取纹理特征值，再用反向传播BP（back propagation）神经网络和参数改进粒子群算法优化 BP 神经网络分别进行训练和测试，以此检验纹理特征值的识别效果和粒子群算法的优化效果。试验用Matlab验证算法，对白背飞虱、灰飞虱和褐飞虱共300个样本进行了训练和测试，结果表明基于参数选择改进粒子群算法优化BP神经网络的识别率总体达到了95%，比直接用BP神经网络的识别率高，而且经过Matlab测试，训练时间只用了0.5683s，说明粒子群算法更满足实时性要求。

关键词：神经网络、图像识别、分类、粒子群、稻飞虱、灰度共生矩阵

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家高技术研究发展计划863计划资助项目2012AA101904；公益性行业农业科研专项资助项目201203059；南京农业大学青年科技基金资助项目KJ2010031

在线出版日期：2014-06-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：138-144