基于图像处理和蚁群优化的形状特征选择与杂草识别

被引：31

作者：

李先锋 ^{[1
,2
]}

朱伟兴 ^{[1
]}

纪滨 ^{[1
]}

刘波 ^{[1
]}

马长华 ^{[1
]}

机构：

[1] 江苏大学电气信息工程学院

[2] 盐城工学院信息工程学院

来源：

农业工程学报 | 2010年 / 26卷 / 10期

关键词：

图像处理; 特征提取; 支持向量机; 蚁群优化算法;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

利用叶片形状特征区分杂草和作物是杂草识别的一个重要方法。为了提高杂草识别的精度和效率,通过形态学运算和基于距离变换的阈值分割方法分离交叠叶片,从单个叶片中提取包括几何特征和矩特征的17个形状特征,用蚁群优化(ACO)算法和支持向量机(SVM)分类器进行特征选择和分类识别,选取有利于分类的较优特征并实现特征的优化组合。棉田杂草试验结果表明,该方法能实现分类特征的有效缩减,经优化组合得到的最优特征子集用于杂草识别的准确率达95%以上,识别率高,稳定性好,对识别杂草时如何兼顾准确率和实时性具有参考意义。

引用

页码：178 / 182

页数：5

共 11 条

[1] 基于ACO-SVM的质谱数据分析 [J].