基于Variance–SFFS的小麦叶部病害图像识别

被引：19

作者：

胡维炜 ^{[1
,2
]}

张武 ^{[1
,2
]}

刘连忠 ^{[1
,2
]}

机构：

[1] 农业部农业物联网技术集成与应用重点实验室

[2] 安徽农业大学信息与计算机学院

来源：

湖南农业大学学报(自然科学版) | 2018年 / 44卷 / 02期

关键词：

小麦病害; 特征降维; 启发式搜索; 支持向量机;

D O I：

10.13331/j.cnki.jhau.2018.02.021

中图分类号：

S435.12 [麦类病虫害]; TP391.41 [];

学科分类号：

090401 [植物病理学];

摘要：

利用中值滤波结合k均值聚类的方法分割出小麦白粉病、条锈病和叶锈病叶部病斑,分别采用颜色矩和灰度共生矩阵的方法提取病斑的颜色特征和纹理特征参数,设计了一种基于Variance算法初选与序列浮动前向选择搜索算法(SFFS)相结合的特征选择方法,选择出优良的特征子集,实现对小麦3种叶部病害的识别。试验以SVM为分类器,利用特征选择方法获得的特征子集识别准确率为99%,与采用主成分分析(PCA)方法进行特征降维获得的子集的识别准确率比较,能有效降低特征维度,提高识别准确率。

引用

页码：225 / 228

页数：4

共 15 条

[1]

小麦叶部病害识别方法研究及智能手机诊断系统研发 [D].