基于支持向量机的葡萄病害图像识别方法

• 作者: 孙国凯 朴在林 李天来 李成华 王滨 田有文
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 支持向量机 图像处理 葡萄病害 矢量中值滤波 图像分割 特征向量
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 175-180
• 页数: 6页
• 分类号: TP391.41
• 字数: 5138字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-6819.2007.06.034

摘要

应用计算机图像处理技术和支持向量机识别方法研究了葡萄叶部病害的识别,以提高识别的准确性和效率.首先对采集到的葡萄病害彩色图像采用矢量中值滤波法去除噪声,然后采用统计模式识别方法和数学形态学对病叶图像进行了分割.最后提取了葡萄病叶彩色图像的纹理特征、病斑的形状特征和颜色特征,并用支持向量机的模式识别方法来识别葡萄病害.试验结果表明:支持向量机识别方法能获得比神经网络方法更好的识别性能;综合形状特征和纹理特征的支持向量机识别方法对葡萄病害的正确识别率优于只用形状特征或纹理特征的病种识别,综合颜色特征和纹理特征的支持向量机识别方法对葡萄病种识别的正确率高于只用颜色特征或纹理特征的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李天来	沈阳农业大学园艺学院	344	6082	39.0	60.0
2	朴在林	沈阳农业大学信息与电气工程学院	160	1227	18.0	26.0
3	李成华	沈阳理工大学机械工程学院	69	643	14.0	21.0
4	孙国凯	沈阳农业大学信息与电气工程学院	55	363	9.0	17.0
5	田有文	沈阳农业大学信息与电气工程学院	68	945	17.0	29.0
6	王滨	沈阳农业大学信息与电气工程学院	6	178	3.0	6.0