基于图像处理和SVM的植物叶片分类研究附视频

被引：16

作者：

魏蕾 ^{[1
,2
]}

何东健 ^{[1
]}

乔永亮 ^{[1
]}

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：

农机化研究 | 2013年 / 05期

关键词：

叶片图像; 分类识别; 特征提取; SVM;

D O I：

10.13427/j.cnki.njyi.2013.05.011

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为了提高植物叶片识别与分类的正确率,提出了基于SVM的识别模型和方法;对叶片图像预处理后,提取并优选10个叶片形状特征参数,用SVM法进行训练建模并识别。实验结果表明,用线性核函数的SVM对木瓜、女贞、三角枫和五角枫4种植物叶片识别的平均准确率在95.8%以上,优于神经网络和Fisher判别法,为鉴定植物种类提供了一种快速有效的方法。

引用

收藏

页码：12 / 15

页数：4

相关论文

共 10 条

[1] 基于图像分析的植物叶片识别技术综述 [J].

张宁 ;

刘文萍 .

计算机应用研究, 2011, 28 (11) :4001-4007

[2] 正交全局-局部判别映射应用于植物叶片分类 [J].

张善文 ;

巨春飞 .

农业工程学报, 2010, 26 (10) :162-166

[3] 植物叶片特征参数的机器视觉提取方法 [J].

岳利军 ;

汪仁煌 ;

黄颖怡 .

农机化研究, 2009, 31 (05) :170-173

[4] 基于图像处理技术的杂草特征提取方法研究 [J].

谈蓉蓉 ;

朱伟兴 .

传感器与微系统, 2009, (02) :56-59+65

[5] 植物叶片特征提取及识别 [J].

贺鹏 ;

黄林 .

农机化研究, 2008, (06) :168-170+199

[6] 基于LVQ神经网络的植物种类识别 [J].

王路 ;

张蕾 ;

周彦军 ;

曾晓云 ;

孔俊 .

吉林大学学报(理学版), 2007, (03) :421-426

[7] 叶片图像特征提取与识别技术的研究 [J].

王晓峰 ;

黄德双 ;

杜吉祥 ;

张国军 .

计算机工程与应用 , 2006, (03) :190-193

[8] 基于人工神经网络的叶脉信息提取——植物活体机器识别研究Ⅰ [J].

傅弘 ;

池哲儒 ;

常杰 ;

傅承新 .

植物学通报, 2004, (04) :429-436

[9] 基于核Fisher判别分析的目标识别 [J].

李映 ;

焦李成 .

西安电子科技大学学报, 2003, (02) :179-182

[10]

基于神经网络的植物叶片分类识别[D]. 叶萍.苏州大学. 2010