马铃薯典型病害图像自适应特征融合与快速识别

摘要：

针对自然条件下马铃薯典型病害区域定位和识别难的问题,提出了一种马铃薯典型病害图像的自适应特征融合与快速识别方法.该方法利用K-means、Hough变换与超像素算法定位叶片,结合二维Otsu与形态学法分割病斑区域,通过病斑图像颜色、形状、纹理的自适应主成分分析(PCA)特征加权融合,进行支持向量机(SVM)病害识别.对3类马铃薯典型病害图像进行识别试验,结果表明:SVM识别模型下,自适应特征融合方法相比PCA降维、特征排序选择等传统自适应方法,平均识别率至少提高了1.8个百分点;13个自适应融合特征下,识别方法平均识别率为95.2％,比人工神经网络、贝叶斯分类器提高了3.8个百分点和8.5个百分点,运行时间为0.600 s,比人工神经网络缩短3s,可有效保证识别精度,大大加快了识别速度.

关键词：马铃薯典型病害、Hough变换、主成分分析、加权融合、支持向量机

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金项目61661042;内蒙古自治区自然科学基金项目2015MS0617

在线出版日期：2018-02-05（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：26-32