基于改进灰度共生矩阵和粒子群算法的稻飞虱分类

被引：31

作者：

邹修国 ^{[1
,2
]}

丁为民 ^{[1
,2
]}

陈彩蓉 ^{[1
,2
]}

刘德营 ^{[1
,2
]}

机构：

[1] 南京农业大学工学院

[2] 江苏省现代设施农业技术与装备工程实验室

来源：

农业工程学报 | 2014年 / 30卷 / 10期

基金：

国家高技术研究发展计划(863计划);

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;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

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。

引用

页码：138 / 144

页数：7

共 24 条

[1]

水稻飞虱自动识别技术的研究 [D].

杨玲玲 .

南京农业大学,

2008

[2]

BP神经网络算法改进及应用研究 [D].

黄丽 .

重庆师范大学,

2008

[3]

几类改进的粒子群算法 [D].

张建科 .

西安电子科技大学,

2006

[4]

基于内容的图像特征提取算法的研究 [D].

刘鹏宇 .

吉林大学,

2004

[5]

粒子群算法改进及其在电力系统的应用 [D].

黄平 .

华南理工大学,

2012

[6]

稻飞虱前翅形状特征测量方法的研究 [D].

赵三琴 .

南京农业大学,

2010

[7]

稻飞虱自动识别关键技术的研究 [D].

刘德营 .

南京农业大学,

2011

[8]

Textural and local spatial statistics for the object-oriented classification of urban areas using high resolution imagery [J].

Su, Wei ;

Li, Jing ;

Chen, Yunhao ;

Liu, Zhigang ;

Zhang, Jinshui ;

Low, Tsuey Miin ;

Suppiah, Inbaraj ;

Hashim, Siti Atikah Mohamed .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2008, 29 (11) :3105-3117

[9]

Efficient application identification and the temporal and spatial stability of classification schema.[J].Wei Li;Marco Canini;Andrew W. Moore;Raffaele Bolla.Computer Networks.2008, 6

[10]

基于4种不变矩和BP神经网络的稻飞虱分类 [J].

邹修国 ;

丁为民 ;

刘德营 ;

赵三琴 .

农业工程学报, 2013, 29 (18) :171-178

← 1 2 3 →