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:
为提高蚜虫种间识别的准确率,提出了一种基于双树复小波变换(DT-CWT)和支持向量机(Libsvm)的蚜虫图像种间识别方法.该方法首先对图像进行预处理;其次应用DT-CWT对选定的三种农作物蚜虫图像样本进行特征提取.以确定Libsvm训练模型中的训练参数;最后用Libsvm分类器对蚜虫图像进行种间识别.实验对比了Gabor小波变换和传统上基于灰度共生矩阵的特征提取算法,结果表明该方法具有更高的准确率和较低的时间复杂度,为蚜虫的种内识别提供条件.
推荐文章
相关证据下的水中目标识别方法研究
特征提取
信息融合
D-S证据理论
目标识别
基于机器视觉的图像目标识别方法综述
机器视觉
图像目标识别
图像预处理
图像分割
低分辨雷达目标识别方法研究
特征提取
目标识别
神经网络
战术空地导弹激光引信目标识别方法研究
空地导弹
激光引信
目标识别
抗干扰
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 复杂背景下蚜虫目标识别方法研究
来源期刊 计算机工程与应用 学科 工学
关键词 双树复小波变换 Gabor小波 特征提取 灰度共生矩阵 Libsvm
年,卷(期) 2009,(11) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 193-195
页数 3页 分类号 TP391
字数 3402字 语种 中文
DOI 10.3778/j.issn.1002-8331.2009.11.058
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 赵惠燕 西北农林科技大学植物保护学院 96 936 18.0 25.0
2 张继红 西北农林科技大学信息工程学院 1 9 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (46)
共引文献  (59)
参考文献  (8)
节点文献
引证文献  (9)
同被引文献  (30)
二级引证文献  (9)
1973(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(4)
  • 参考文献(1)
  • 二级参考文献(3)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(4)
  • 参考文献(0)
  • 二级参考文献(4)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(9)
  • 参考文献(0)
  • 二级参考文献(9)
2003(7)
  • 参考文献(1)
  • 二级参考文献(6)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(9)
  • 参考文献(1)
  • 二级参考文献(8)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(2)
  • 引证文献(2)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(1)
  • 引证文献(0)
  • 二级引证文献(1)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(3)
  • 引证文献(1)
  • 二级引证文献(2)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(4)
  • 引证文献(2)
  • 二级引证文献(2)
2017(2)
  • 引证文献(0)
  • 二级引证文献(2)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
双树复小波变换
Gabor小波
特征提取
灰度共生矩阵
Libsvm
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
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
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导