基于局部金字塔描述算子的杂草种子识别
目的：由计算机代替专业人员对杂草种子进行识别已经成为热门课题,这样可以加快识别速率和减少人工识别中的主观性. 方法：本文基于P-SIFT和P-SURF描述算子来研究杂草种子图像的自动识别性能,其中每个图像分片是使用多层次的描述算子细节表示的,这些层次是依据局部空间合并分辨率定义的.在特征提取部分采用了三种编码技术：BOW模型,Locality-constrained Linear Coding算法和Fisher vector模型来提高分类性能;在分类部分采用了sparse representation classifier(SRC),label consistent K-SVD(LC-KSVD)和SVM三种分类器,其中SVM使用了RBF和Histogram Intersection Kernel核函数. 结果：P-SIFT和P-SURF描述算子在使用三层空间金字塔和三层特征金字塔时取得了最高89.7％和86.2％的识别率,与SIFT和SURF描述算子相比较识别率有了很大的提高. 结论：实验结果表明,在传统的局部描述算子的基础上,基于特征金字塔的描述算子来提取特征和空间金字塔来合并特征可以提高分类的性能.
杂草种子图像 种子分类 局部描述算子 特征金字塔
刘彩玲 蔡骋
西北农林科技大学信息工程学院,杨凌712100
国内会议
珠海
中文
408-412
2014-11-14（万方平台首次上网日期，不代表论文的发表时间）