本文關鍵詞： 圖像處理 旱情識別 多特征融合 遺傳算法　出處：《激光與光電子學進展》2017年08期 　論文類型：期刊論文

【摘要】：為實現(xiàn)對玉米植株旱情的分析,針對目前農業(yè)干旱指標涉及領域較為廣泛、獲取困難的研究現(xiàn)狀,提出了一種基于多特征融合的玉米前期圖像旱情識別方法。以正常和特旱兩種情況的玉米植株圖像為樣本,采用經典Kmeans算法對玉米植株圖像提取感興趣區(qū)域;進而提取分割后的玉米植株圖像,包括顏色、奇異值分解(SVD)、紋理等共計20維特征;采用遺傳算法對20維特征選擇有效特征子集;最后針對有效特征子集建立了基于最小二乘支持向量機的判別模型,獲取了玉米植株圖像的旱情信息。將單個特征(顏色、SVD、紋理)直接融合之后的特征以及利用主成分分析法的特征選擇作為對比實驗,平均識別正確率分別為0.9503、0.9627、0.9771、0.9460、0.9745,而采用遺傳算法進行特征選擇后,最終尋到最優(yōu)解為9維特征,平均識別正確率為0.9903。結果表明,運用圖像處理技術可以對旱情進行識別,取得了較好的效果,為農業(yè)旱情的識別提供了新思路。
[Abstract]:In order to realize the drought analysis of maize plant, the current research status of agricultural drought index is more extensive and difficult to obtain. In this paper, a multi-feature fusion based drought recognition method for pre-maize images is proposed. The maize plant images in both normal and special drought conditions are taken as samples. The classical Kmeans algorithm is used to extract the region of interest from maize plant image. Then the segmented corn plant images were extracted, including color, singular value decomposition (SVD), texture and so on. Genetic algorithm is used to select an effective feature subset for 20 dimensional features. Finally, a discriminant model based on least squares support vector machine (LS-SVM) is established for the effective feature subset, and the drought information of maize plant image is obtained. Texture) after direct fusion and the feature selection of principal component analysis as a comparison experiment, the average recognition accuracy was 0.9503 / 0.9627 / 0.9771, respectively. The result shows that the optimal solution is 9 dimensional feature, and the average recognition accuracy is 0.9903. The image processing technology can be used to identify the drought, and a better result is obtained, which provides a new way of thinking for the recognition of agricultural drought.
【作者單位】： 天津大學電氣自動化與信息工程學院天津市過程檢測與控制重點實驗室;
【分類號】：TP391.41
【正文快照】： 1引言 目前環(huán)境問題迫在眉睫,其中頻發(fā)的重大干旱災難尤為突出[1]。干旱本身作為一種復雜的現(xiàn)象難以直接觀測其發(fā)生時間、發(fā)展過程以及影響范圍。國內外對旱情的監(jiān)測手段,從旱情統(tǒng)計上報到測定土壤含水量,發(fā)展到如今的遙感圖像技術,利用多時相、高光譜遙感數(shù)據(jù)反映大面積的圖

【相似文獻】

相關期刊論文 前10條

1 初紅霞;王科俊;王希鳳;郭慶昌;韓晶;;多特征融合的退火粒子濾波目標跟蹤[J];計算機工程與應用;2011年06期

2 顧鑫;王海濤;汪凌峰;王穎;陳如冰;潘春洪;;基于不確定性度量的多特征融合跟蹤[J];自動化學報;2011年05期

3 姚紅革;杜亞勤;;基于多模式多特征融合粒子濾波視頻目標跟蹤[J];西安工業(yè)大學學報;2012年11期

4 王蘭;;基于多特征融合的票據(jù)分類技術及應用[J];計算機光盤軟件與應用;2013年13期

5 陳增照;何秀玲;楊揚;董才林;;基于多特征融合的票據(jù)分類技術及應用[J];計算機工程與應用;2006年09期

6 周斌;林喜榮;賈惠波;宋榕;;多特征融合的手背血管識別算法[J];清華大學學報(自然科學版);2007年02期

7 劉貴喜;范春宇;高恩克;;基于粒子濾波與多特征融合的視頻目標跟蹤[J];光電子.激光;2007年09期

8 胡全;邱兆文;王霓虹;;基于多特征融合的圖像語義標注[J];東北林業(yè)大學學報;2008年10期

9 沈才梁;許雪貴;許方恒;龍丹;;多特征融合的人臉檢測[J];計算機系統(tǒng)應用;2009年11期

10 劉紅;王曄;雷長海;;基于多特征融合的中醫(yī)舌像檢索研究[J];計算機應用研究;2010年02期

相關會議論文 前3條

1 葉鋒;蔡光東;鄭子華;亓曉旭;尹鵬;;基于多特征融合的藥用植物標本識別[A];2011年中國智能自動化學術會議論文集（第一分冊）[C];2011年

2 段其昌;季長有;;基于多特征融合的快速人臉檢測[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（上冊）[C];2007年

3 李玉峰;鄭德權;趙鐵軍;;基于SVM和多特征融合的圖像分類[A];第四屆全國信息檢索與內容安全學術會議論文集（上）[C];2008年

相關博士學位論文 前6條

1 劉明華;復雜環(huán)境下基于多特征融合的目標跟蹤關鍵技術研究[D];青島科技大學;2016年

2 SAEED-UR-REHMAN;基于機器學習的排序優(yōu)化及其在行人再識別中的應用研究[D];中國科學技術大學;2017年

3 田綱;基于多特征融合的Mean shift目標跟蹤技術研究[D];武漢大學;2011年

4 徐志剛;基于多特征融合的路面破損圖像自動識別技術研究[D];長安大學;2012年

5 陳秀新;多特征融合視頻復制檢測關鍵技術研究[D];北京工業(yè)大學;2013年

6 初紅霞;基于均值移動和粒子濾波的目標跟蹤關鍵技術研究[D];哈爾濱工程大學;2012年

相關碩士學位論文 前10條

1 張巖;基于多特征融合及二部圖匹配的3D目標檢索技術研究[D];哈爾濱工業(yè)大學;2015年

2 計明明;基于多特征融合的三維模型檢索技術[D];浙江大學;2015年

3 王慶;基于多特征融合的人體動作識別方法研究[D];上海大學;2015年

4 劉婕;復雜場景多特征融合粒子濾波目標跟蹤[D];重慶理工大學;2015年

5 崔劍;基于多特征融合的分級行人檢測方法研究[D];電子科技大學;2015年

6 王建榮;基于多特征融合的無人機航拍圖像識別研究[D];成都理工大學;2015年

7 高爽;基于多特征融合的粒子濾波跟蹤算法研究[D];西安電子科技大學;2014年

8 坎啟嬌;基于多特征融合的多目標跟蹤算法[D];河北工業(yè)大學;2015年

9 張小琴;基于多特征融合的車輛品牌識別方法研究[D];東南大學;2015年

10 謝振哲;圖像通用隱寫檢測中的多特征融合方法[D];福州大學;2013年

，

本文編號：1444045