复杂背景下的大豆叶片识别

被引:17
作者
汤晓东
刘满华
赵辉
陶卫
机构
[1] 上海交通大学电子信息与电气工程学院仪器科学与工程系
关键词
图像处理; 大豆叶片; 叶片提取; 概率神经网络; 叶片识别;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
利用计算机视觉和图像处理技术对叶片进行识别在农业领域逐步得到应用,但是,将叶片从具有复杂背景的图像中准确识别出来还是很难。本文提出了一种能有效地从具有复杂背景的图像中识别大豆叶片的算法。该方法首先利用基于HSI空间的三次标记分水岭算法提取出目标叶片,而后计算出目标叶片的形态参数,最后利用训练好的概率神经网络分类器对大豆叶片进行识别。对大豆叶片120幅样本图像能达到85.37%的识别成功率,证明了此方法的有效性。
引用
收藏
页码:385 / 390
页数:6
相关论文
共 8 条
[1]   棉花异性纤维的动态识别技术研究 [J].
郑文秀 ;
王金星 ;
刘双喜 ;
康玉国 ;
李付堂 .
仪器仪表学报, 2009, 30 (10) :2203-2207
[2]   基于形态学梯度重构和标记提取的分水岭图像分割 [J].
王宇 ;
陈殿仁 ;
沈美丽 ;
吴戈 .
中国图象图形学报, 2008, (11) :2176-2180
[3]   基于HSV颜色空间的一种车牌定位和分割方法 [J].
王洪建 .
仪器仪表学报, 2005, (S2) :371-373
[4]   管道内表面图像分析系统及算法研究 [J].
马永军 ;
方廷健 ;
方凯 .
电子测量与仪器学报, 2002, (04) :39-43+49
[5]  
植物叶片图像分析方法的研究与实现[D]. 苏玉梅.南京理工大学. 2007
[6]  
数字图像处理[M]. 上海交通大学出版社 , 余松煜, 2007
[7]   Classification of plant leaf images with complicated background [J].
Wang, Xiao-Feng ;
Huang, De-Shuang ;
Du, Ji-Xiang ;
Xu, Huan ;
Heutte, Laurent .
APPLIED MATHEMATICS AND COMPUTATION, 2008, 205 (02) :916-926
[8]  
Enhancements to probabilistic neuralnetwoks .2 SPECHT D F. International Joint Conference on NeuralNetworks . 1992