基于支持向量机的小麦条锈病和叶锈病图像识别

• 作者: 李冠林 王海光 马占鸿
• 来源期刊: 中国农业大学学报
• 学科: 农学
• 关键词: 小麦条锈病 小麦叶锈病 支持向量机 图像识别 特征提取 核函数
• 年，卷（期）: 2012,（2）
• 页码范围: 72-79
• 分类号: TP391.41|S126
• 语种: 中文

摘要

为了解决生产中小麦条锈病和叶锈病症状难以区分的问题,提高识别率和精度,提出了一种基于支持向量机和多特征参数的小麦条锈病和叶锈病图像分类识别方法。利用图像裁剪方法获取典型症状的子图像,采用中值滤波算法对图像进行去噪,利用K_means硬聚类算法实现病斑分割,提取病斑区域的形状、颜色和纹理特征空间的50个特征参数,设计支持向量机分类器进行分类识别。根据优选的26个特征参数,利用以径向基函数作为核函数的支持向量机对这2种小麦锈病图像进行识别。结果表明：训练样本识别率均为96.67%,测试样本识别率均为100%;与其他核函数相比,径向基核函数最适合于这2种小麦锈病的识别。所提出的基于支持向量机的方法可有效地进行小麦条锈病和叶锈病的图像识别。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马占鸿	中国农业大学农学与生物技术学院	94	1066	17.0	28.0
2	王海光	中国农业大学农学与生物技术学院	51	652	16.0	23.0
3	李冠林	中国农业大学农学与生物技术学院	3	61	2.0	3.0