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:
为提高植物分类的准确率,文章提出了一种基于本征信息分解的植物叶片分类方法.该方法采用能量优化算法对植物叶片图像进行本征分解,然后在反射率本征图像中提取颜色特征,在光照本征图像中提取纹理和边缘特征,并按照一定比例综合三种特征分类植物叶片.文章选取Swedish叶片数据集中的10种植物叶片(每种70张)进行实验.实验结果表明,每种植物叶片按照分解原始图像后的特征与原始图像特征分类相比,分类准确率有所提高.分解后,按照单一颜色特征进行分类,平均准确率提高4%,达到92%;按照单一纹理特征进行分类,平均准确率提高13%,达到80%;按照综合特征进行分类,平均准确率提高5%,达到97%.文章方法具有较好的植物叶片分类效果,对农业领域的植物分类具有一定的借鉴意义.
推荐文章
基于改进SVM算法的植物叶片分类研究
植物叶片分类
布谷鸟搜索算法
支持向量机
基于本征正交分解的流场快速预测方法研究
流场预测
本征正交分解
三次样条插值
径向基插值
基于本征正交分解降阶的燃耗计算方法研究
燃耗计算
降阶模型
本征正交分解
数值验证
植物叶片本征维数估计与分类方法研究--基于改进 PCA
植物叶片
本征维数估计
PCA
方差贡献率
曲线拟合
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 基于本征信息分解的植物叶片分类方法研究
来源期刊 广东蚕业 学科 工学
关键词 本征信息 特征提取 多特征融合 叶片分类
年,卷(期) 2019,(8) 所属期刊栏目 技术应用
研究方向 页码范围 53-55
页数 3页 分类号 TP391.41
字数 2964字 语种 中文
DOI 10.3969/j.issn.2095-1205.2019.08.28
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 杨涛 三亚学院信息与智能工程学院 4 0 0.0 0.0
2 杨博雄 6 22 2.0 4.0
3 尹萍 1 0 0.0 0.0
4 熊纯 三亚学院信息与智能工程学院 2 0 0.0 0.0
5 邹佳雪 三亚学院信息与智能工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (44)
共引文献  (61)
参考文献  (6)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(8)
  • 参考文献(0)
  • 二级参考文献(8)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(3)
  • 参考文献(1)
  • 二级参考文献(2)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(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)
研究主题发展历程
节点文献
本征信息
特征提取
多特征融合
叶片分类
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
广东蚕业
月刊
2095-1205
44-1319/S
32开
广州市天河区科华街73号广东省蚕业技术推广中心
1959
chi
出版文献量(篇)
5696
总下载数(次)
11
总被引数(次)
3757
论文1v1指导