檀香咖啡豹蠹蛾虫害的树干区域分类研究

• 作者: 王雪峰 陈珠琳
• 来源期刊: 北京林业大学学报
• 学科: 农学
• 关键词: 檀香 图像处理 特征变换 机器学习 分类识别
• 年，卷（期）: 2018,（1）
• 所属期刊栏目: 林学
• 页码范围: 74-82
• 页数: 9页
• 分类号: S763.38|TP391.41
• 语种: 中文
• DOI: 10.13332/j.1000-1522.20170306

摘要

[目的]檀香是一种典型的珍贵树种,但不易成活且常遭受病虫害的干扰.本研究针对受咖啡豹蠹蛾危害的檀香,为提高受害檀香树干区域的分类效果,根据不同区域在颜色和纹理方面的特点,提出了一种复杂背景下受咖啡豹蠹蛾危害的檀香树干区域分类方法.[方法](1)本文首先结合高斯高通滤波、Otsu法、2G-R-B因子以及形态学运算,将树干从复杂背景中提取出来,再通过L*a*b*系统中的L*通道和a*通道将树干分割为健康区域、虫害区域和排泄物区域.(2)提出"多纹理"并使用"相对颜色"特征变换方法以提取图像特征.(3)提出BP神经网络和RBF-SVM相结合的方法对区域进行识别.[结果](1)本文提出的图像分割算法有效地将受虫害危害的檀香从背景中提取出来,并成功分割为健康区域、虫害区域和排泄物区域.(2)与传统PCA处理相比,使用"多纹理"和"相对颜色特征"得到的分类精度有所提高.其中,"多纹理"特征通过差异扩大的方法构建出的图像特征,明显增加了类间方差;"相对颜色特征"则减小了光照对样本的影响,从而减小了类内方差.(3)通过将RBF-SVM与BP神经网络方法相结合,对比发现,使用一种方法进行三分类的精度较低,分别为74.44％ 和81.11％;两次二分类后提高了精度,分别为87.77％ 和85.56％;而两种方法相结合的方式所得到的分类精度最高,总体可达91.11％.[结论]本文通过数字图像对受咖啡豹蠹蛾危害的檀香树干区域进行分类,为该虫害的早期识别以及受损率计算提供了方法,可以有效地减小檀香生长所受危害,提高心材质量,也为数字图像技术在林业中的应用提供了参考.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王雪峰	中国林业科学研究院资源信息研究所	50	264	10.0	13.0
2	陈珠琳	中国林业科学研究院资源信息研究所	12	11	2.0	3.0