基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
特征提取是储粮害虫图像识别中的重要环节,是识别系统的难点所在.针对粮虫的二值化图像提取出17个形态学特征,并进行归一化处理:把交叉验证训练模型的识别率作为储粮害虫特征提取评价准则的一个重要因子,运用蚁群优化算法从粮虫的17维形态学特征中自动提取出面积、周长等7个特征的最优特征子空间;采用支持向量机分类器对9类粮虫进行分类,识别率达到95%以上,证实了基于蚁群优化算法的粮虫特征提取的可行性.
推荐文章
肝癌超声图像识别的特征提取
感兴趣区域
Bayesian决策
图像识别
纹理特征提取
肝癌超声图像
谷物害虫图像识别中特征值提取技术的研究
仓储物害虫
数理统计特征
纹理特征
几何形状特征
模式识别
储粮害虫分类识别研究
储粮害虫
图像增强
特征提取
模式识别
BP神经网络
SAR图像识别提取与选择特征
SAR图像
特征提取与选择
模式识别
纹理
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 储粮害虫图像识别中的特征提取
来源期刊 农业工程学报 学科 工学
关键词 储粮害虫 图像识别 特征提取 蚁群优化算法 支持向量机
年,卷(期) 2009,(2) 所属期刊栏目 农业信息与电气技术
研究方向 页码范围 126-130
页数 5页 分类号 TP391.41
字数 4571字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 毛罕平 江苏大学现代农业装备与技术省部共建教育部重点实验室 235 4472 37.0 54.0
2 邱道尹 华北水利水电学院电力学院 94 815 14.0 26.0
3 张红涛 江苏大学现代农业装备与技术省部共建教育部重点实验室 8 228 7.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (49)
共引文献  (73)
参考文献  (8)
节点文献
引证文献  (86)
同被引文献  (315)
二级引证文献  (529)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(7)
  • 参考文献(0)
  • 二级参考文献(7)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(6)
  • 参考文献(1)
  • 二级参考文献(5)
2003(6)
  • 参考文献(0)
  • 二级参考文献(6)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(7)
  • 参考文献(0)
  • 二级参考文献(7)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(4)
  • 参考文献(4)
  • 二级参考文献(0)
2009(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2009(2)
  • 引证文献(2)
  • 二级引证文献(0)
2010(6)
  • 引证文献(5)
  • 二级引证文献(1)
2011(6)
  • 引证文献(4)
  • 二级引证文献(2)
2012(33)
  • 引证文献(12)
  • 二级引证文献(21)
2013(42)
  • 引证文献(14)
  • 二级引证文献(28)
2014(65)
  • 引证文献(17)
  • 二级引证文献(48)
2015(66)
  • 引证文献(8)
  • 二级引证文献(58)
2016(69)
  • 引证文献(5)
  • 二级引证文献(64)
2017(59)
  • 引证文献(5)
  • 二级引证文献(54)
2018(106)
  • 引证文献(7)
  • 二级引证文献(99)
2019(112)
  • 引证文献(6)
  • 二级引证文献(106)
2020(49)
  • 引证文献(1)
  • 二级引证文献(48)
研究主题发展历程
节点文献
储粮害虫
图像识别
特征提取
蚁群优化算法
支持向量机
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
农业工程学报
半月刊
1002-6819
11-2047/S
大16开
北京朝阳区麦子店街41号
18-57
1985
chi
出版文献量(篇)
16403
总下载数(次)
36
总被引数(次)
395062
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导