融合卷积神经网络与Adaboost算法的病害松树识别

• 作者: 张艳 方怡 朱艳秋 殷存军 胡根生
• 来源期刊: 安徽大学学报（自然科学版）
• 学科: 工学
• 关键词: 深度卷积神经网络 Adaboost算法 机器学习 目标识别 支持向量机
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 电子信息技术
• 页码范围: 44-53
• 页数: 10页
• 分类号: TP391
• 字数: 6136字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-2162.2019.02.007

摘要

针对无人机平台获取的高分辨率可见光松树图像, 提出一种结合深度卷积神经网络和Adaboost算法的病害松树识别方法, 解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地、裸土及黑影等复杂信息剔除掉, 提取病害松树、健康松树及黑影区域的颜色和纹理特征, 依据提取的特征在剔除地物干扰项后的决策层使用Adaboost分类器进行目标识别.实验结果表明, 该方法相较传统的K-means聚类、支持向量机、Adaboost算法、BP神经网络、VGG (visual geometry group) 算法等在识别精确度方面有显著提高.