針對魚類識別面臨著光照強度、各背景棲息地的變化和不同物種在視覺上具有相似性等方面的問題,提出一種新的基于多特征相結合及粒子群優(yōu)化SVM的魚類分類方法。該方法采用在原始圖像中提取顏色、方向梯度直方圖(HOG)和灰度共生矩陣(GLCM)特征構成特征向量,并提出選擇設置最佳權重比的方法進行特征融合,采用PCA技術對提取的特征向量進行降維,以消除冗余數據。結果表明,該方法在實際采集的數據集上的準確率達94.7%,同屬類魚識別最高準確率93.75%,該方法可以應用于實際的魚類圖像數據集,實現對魚類生物多樣性的有效監(jiān)測。

【文章頁數】：7 頁

【文章目錄】：
0 引言
1 材料方法
    1.1 算法流程
    1.2 顏色特征提取
    1.3 方向梯度直方圖
    1.4 灰度共生矩陣
    1.5 特征融合
    1.6 粒子群優(yōu)化支持向量機
2 試驗材料及條件
    2.1 使用的魚類圖像集
    2.2 試驗環(huán)境
3 試驗過程及結果
    3.1 特征權重對比試驗
    3.2 分類方法對比試驗
        3.2.1 不同分類方法對比試驗
        3.2.2 同屬類與不同屬類分類結果
4 總結



本文編號：3979113