基于SVM-DS多特征融合的杂草识别

被引：45

作者：

何东健 ^{[1
]}

乔永亮 ^{[1
]}

李攀 ^{[1
]}

高瞻 ^{[1
]}

李海洋 ^{[2
]}

唐晶磊 ^{[2
]}

机构：

[1] 西北农林科技大学机械与电子工程学院

[2] 西北农林科技大学信息工程学院

来源：

农业机械学报 | 2013年 / 44卷 / 02期

关键词：

杂草识别; 支持向量机; DS证据理论; 特征提取; 多特征融合;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为解决单一特征识别杂草的低准确率和低稳定性,提出一种支持向量机(SVM)和DS(Shafer-Dempster)证据理论相结合的多特征融合杂草识别方法。在对田间植物图像处理的基础上,提取植物叶片形状、纹理及分形维数3类特征,分别以3类单特征的SVM分类结果作为独立证据构造基本概率指派(BPA),引入基于矩阵分析的DS融合算法简化决策级融合算法复杂度,根据融合结果及分类判决门限给出最终的识别结果。实验结果表明,多特征决策融合识别方法正确识别率达到96.11%,与单特征识别相比有更好的稳定性和更高的识别率。

引用

页码：182 / 187

页数：6

共 10 条

[1] 基于SVM和D-S证据理论的多特征融合杂草识别方法 [J].