基于颜色矩的典型草原牧草特征提取与图像识别

被引：37

作者：

韩丁 ^{[1
,2
]}

武佩 ^{[1
]}

张强 ^{[3
]}

韩国栋 ^{[4
]}

通霏 ^{[1
]}

机构：

[1] 内蒙古农业大学机电工程学院

[2] 内蒙古大学电子信息工程学院

[3] 加拿大曼尼托巴大学工程学院

[4] 内蒙古农业大学生态环境学院

来源：

农业工程学报 | 2016年 / 32卷 / 23期

关键词：

图像识别; 特征提取; 牧草; 颜色矩; 主成分分析法; BP神经网络;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对内蒙古乌兰察布市荒漠化草原牧草监测与数字化程度较低的问题,该文实现了2种典型牧草的特征提取与图像识别,为多牧草种类识别与草业管理提供依据。利用智能导航车采集草原原始图像,对羊草和灰绿藜2种牧草图像提取RGB与HSV颜色矩特征并建立相应的规则库,数据表明二者的颜色矩特征具有明显区别。采用2G-B-R色差特征的模糊C-均值聚类算法对图像进行背景分割后,构建了一种3层BP神经网络模型,通过主成分分析法(principal component analysis,PCA)将15维输入特征参数降为10维以提高识别速度,且最终的整体识别率达到89.5%,实现了羊草与灰绿藜图像的有效分类识别,同时得到灰绿藜与羊草在测试图像中的植被覆盖度分别约为9.78%、34.21%。试验结果表明,利用颜色矩特征为基础,模糊C-均值聚类算法与BP(back propagation,BP)神经网络模型为分割、识别手段能够有效地实现典型牧草的图像分类研究。自动识别牧草是草业数字化的重要组成部分,可为监测植被物种多样性、草种退化及病虫草害的控制提供科学依据,是实现现代草原生态环境保护,发展草原经济的重要途径。

引用

页码：168 / 175

页数：8

共 25 条

[1]

Learning of a single-hidden layer feedforward neural network using an optimized extreme learning machine.[J].Tiago Matias;Francisco Souza;Rui Araújo;Carlos Henggeler Antunes.Neurocomputing.2014,

[2] Verification of color vegetation indices for automated crop imaging applications [J].