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:
传统的茄子图像识别研究大多数针对单果、无遮挡、自然环境较简单的情况,而解决复杂自然环境下多果、遮挡的茄子识别问题,已经成为茄子采摘机器人急需解决的问题.对于无遮挡的情况,采用支持向量机进行分割,并且应用开运算去除细小连接.为了去除大面积噪声,采用面积法和外接矩形法.针对背景与茄子相似的情况,采用直方图匹配的方法进行分割识别.对于被遮挡的茄子应用凸包拟合的方法进行识别.最后,与其他算法在单果、多果、遮挡、背景复杂、表面反光、总识别率这6种情况下进行比较,结果表明,该算法的识别率较高.
推荐文章
一种基于支持向量机的垃圾微博识别方法
博文特征
用户特征
支持向量机
垃圾微博识别
基于支持向量机的煤岩界面识别方法
煤岩界面识别
小波包分解
支持向量机
基于聚类算法和层次支持向量机的人脸识别方法
聚类算法
层次支持向量机
免疫算法
小波变换
基于支持向量机的通信信号调制识别方法研究
支持向量机
模式识别
调制信号
识别分类
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 一种采用支持向量机和凸包拟合的茄子识别方法
来源期刊 重庆邮电大学学报(自然科学版) 学科 工学
关键词 茄子 图像识别 支持向量机(SVM) 凸包拟合
年,卷(期) 2013,(6) 所属期刊栏目 计算机与自动化
研究方向 页码范围 842-849
页数 8页 分类号 TN309
字数 2757字 语种 中文
DOI 10.3979/j.issn.1673-825X.2013.06.025
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 钱鹰 重庆邮电大学图形图像与多媒体实验室 23 92 5.0 8.0
2 黄颖 重庆邮电大学图形图像与多媒体实验室 39 136 7.0 10.0
3 荣佳佳 重庆邮电大学图形图像与多媒体实验室 1 1 1.0 1.0
4 周莉 1 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (53)
共引文献  (60)
参考文献  (8)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(7)
  • 参考文献(0)
  • 二级参考文献(7)
2006(14)
  • 参考文献(1)
  • 二级参考文献(13)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(6)
  • 参考文献(3)
  • 二级参考文献(3)
2009(5)
  • 参考文献(1)
  • 二级参考文献(4)
2010(6)
  • 参考文献(1)
  • 二级参考文献(5)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2013(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
茄子
图像识别
支持向量机(SVM)
凸包拟合
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
重庆邮电大学学报(自然科学版)
双月刊
1673-825X
50-1181/N
大16开
重庆南岸区
78-77
1988
chi
出版文献量(篇)
3229
总下载数(次)
12
总被引数(次)
19476
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导