基于SVM-DS多特征融合的杂草识别

• 作者: 乔永亮 何东健 唐晶磊 李攀 李海洋 高瞻
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 杂草识别 支持向量机 DS证据理论 特征提取 多特征融合
• 年，卷（期）: 2013,（2）
• 所属期刊栏目: 农业自动化与环境控制
• 页码范围: 182-187
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2013.02.034

摘要

为解决单一特征识别杂草的低准确率和低稳定性,提出一种支持向量机(SVM)和DS(Shafer-Dempster)证据理论相结合的多特征融合杂草识别方法.在对田间植物图像处理的基础上,提取植物叶片形状、纹理及分形维数3类特征,分别以3类单特征的SVM分类结果作为独立证据构造基本概率指派(BPA),引入基于矩阵分析的DS融合算法简化决策级融合算法复杂度,根据融合结果及分类判决门限给出最终的识别结果.实验结果表明,多特征决策融合识别方法正确识别率达到96.11％,与单特征识别相比有更好的稳定性和更高的识别率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何东健	西北农林科技大学机械与电子工程学院	188	3174	30.0	46.0
2	唐晶磊	西北农林科技大学信息工程学院	36	300	10.0	16.0
3	李海洋	西北农林科技大学信息工程学院	7	105	4.0	7.0
4	乔永亮	西北农林科技大学机械与电子工程学院	5	168	5.0	5.0
5	李攀	西北农林科技大学机械与电子工程学院	1	60	1.0	1.0
6	高瞻	西北农林科技大学机械与电子工程学院	2	62	2.0	2.0