共 10 条
- [10] Evaluation of neural-network classifiers for weed species discrimination[J]. BIOSYSTEMS ENGINEERING, 2005, 91 (03) : 293 - 304Burks, TFShearer, SAHeath, JRDonohue, KD
基于SVM和D-S证据理论的多特征融合杂草识别方法
被引：28
作者：
李先锋
[1
]
朱伟兴
[2
]
孔令东
[1
]
花小朋
[1
]
机构：
[1] 盐城工学院信息工程学院
[2] 江苏大学电气信息工程学院
来源：
关键词：
杂草识别;
特征提取;
支持向量机;
D-S证据理论;
决策级融合;
D O I：
暂无
中图分类号：
TP391.41 [];
学科分类号：
080203 ;
摘要：
针对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D-S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,提取植物叶片的颜色、形状和纹理等3类视觉特征,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),运用D-S证据组合规则进行决策级融合,根据分类判决门限给出最终的识别结果。试验结果表明,多特征决策融合识别方法正确识别率达到97%以上。
引用
收藏
页码：164 / 168+163
+163
页数：6
相关论文