全部 标题 作者
关键词 摘要

OALib Journal期刊
ISSN: 2333-9721
费用:99美元

查看量下载量

相关文章

更多...

基于分形维数的玉米和杂草图像识

, PP. 176-179

Keywords: 玉米,杂草,分形维数,图像处理,识别

Full-Text   Cite this paper   Add to My Lib

Abstract:

提出了利用分形维数来识别玉米和杂草的方法。将田间采集到的原始图像转化到HSI空间,利用H分量的不变特性进行图像变换,以消除光照的影响,有利于图像的分割处理。为了识别出玉米和杂草,比较了3种分形维数的计算公式和计算方法,利用Matlab编写的分形软件得到了玉米和杂草的平均分形维数,试验结果表明:Bouligand-Minkowski方法最佳,其中玉米和杂草的平均分形维数分别为1.204和1.079。利用SVM方法进行识别,正确率可以达到

References

[1]  纪寿文 王荣本 等.应用计算机图像处理技术识别玉米苗期田间杂草的研究[J].农业工程学报,:.
[2]  沈维政 张长利.基于计算机视觉的田间杂草识别方法研究[J].农机化研究,2006(7):163-165.
[3]  Granitto P M, Navone H D, Verdes P F, et al. Weed seeds identification by machine vision[J]. Computers and Electronics in Agriculture, 2002(33) : 91 - 103.
[4]  李志臣 姬长英.基于图像分析的杂草分形维数计算[J].农业工程学报,2006(11):175.
[5]  Novianto S, Suzuki Y, Maeda J. Near optimum estimation of local fractal dimension for image segmentation[J]. Pattern Recognition Letters, 2003, 24(1): 365-374.
[6]  Quevedo R, Mendoza F, Aguilera J M, et al. Determination of senescent spotting in banana using fractal texture Fourier image[J]. Journal of Food Engineering, 2008, 84(4): 509-515.
[7]  冯志刚 周宏伟.图像的分形维数计算方法及其应用[J].江苏理工大学学报:自然科学版,:.
[8]  Kerdpiboon S, Derahastin S, Kerr W L. Comparative fractal characterization of physical changes of different food products during drying[J]. Journal of Food Engineering, 2007, 83(4): 570-580.
[9]  Wong H S, Buenfeld N R. Euclidean distance mapping for computing microstructural gradients at interfaces in composite materials[J]. Cement and Concrete Research, 2006, 36(6): 1 091-1 097.
[10]  吴兰兰 刘俭英 文友先 等.基于支持向量机的玉米田间杂草识别方法[J].农业机械学报,2009,40(1):162-166.
[11]  Bruno O M, Plotze R O, Falvo M, et al. Fractal dimension applied to plant identification [J]. Information Sciences, 2008, 178(12) : 2 722-2 733.
[12]  向海涛 郑加强.基于机器视觉的树木图像实时采集与识别系统[J].林业科学,2003,40(3):144-148.
[13]  PRATT W K 邓鲁华 张延恒.数字图像处理[M].北京:机械工业出版社,2005.

Full-Text

Contact Us

service@oalib.com

QQ:3279437679

WhatsApp +8615387084133