基于PCA和SVM的植物叶片分类方法研究

被引：9

作者：

张昭 ^{[1
]}

杨民仓 ^{[2
]}

何东健 ^{[3
]}

机构：

[1] 宝鸡文理学院电子电气工程系

[2] 宝鸡职业技术学院生物工程系

[3] 西北农林科技大学机械与电子工程学院

来源：

农机化研究 | 2013年 / 35卷 / 11期

关键词：

叶片图像; 分类识别; 特征提取; SVM; PCA;

D O I：

10.13427/j.cnki.njyi.2013.11.025

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,提出了一种基于PCA和SVM的植物叶片识别方法,在对叶片图像进行分割、边缘检测后,提取10个具有旋转、比例、平移不变性的无量纲叶片特征参数,对叶片特征参数进行主成分分析,将前3个主成分作为支持向量机的输入建立模式识别模型。实验结果表明,本算法女贞、木瓜、五角枫、三角枫等4种植物叶片的识别正确率达97.22%,优于直接用特征参数作为模型输入的识别正确率,且算法具有良好的实时性。

引用

页码：34 / 37+41 +41

页数：5

共 12 条

[1] 基于SVM和D-S证据理论的多特征融合杂草识别方法 [J].