基于纹理特征与改进svm算法的玉米田间杂草识别

《基于纹理特征与改进svm算法的玉米田间杂草识别》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于纹理特征与改进SVM算法的玉米田间杂草识别　　摘要：以玉米田间杂草图像为研究对象，对采集的杂草叶片图像进行预处理，对图像的多个纹理特征进行筛选，以支持向量机进行分类。针对传统分类器的不足，以组合核函数对其性能进行优化。仿真结果表明，构建优化的组合核函数能使分类器性能得到显著提升，且当组合核函数中径向基函数所占的权重为0.2、多项式核函数（二阶）所占的权重为0.8时识别率最高，达86.00%，可以满足杂草识别的需求。　　关键词：玉米；杂草识别；纹理特征；组合核函数　　中图分类号：TP391.41文献标识码：A文章编号：043

2、9-8114（2014）13-3163-04　　IdentifyingCornWeedBasedonTextureFeaturesandOptimizedSVM　　WANGHong-yan1，L？?BJi-xing2　　（1.DepartmentofBasicSciences，HebeiFinanceUniversity，Baoding071051，Hebei，China；　　2.CollegeofInformationScience&Technology，AgriculturalUniversityofHebei，Baodi

3、ng071001，Hebei，China）　　Abstract：Imagepreprocessingofcornfieldweedbladewasusedtoextracttexturecharacteristic.Thesupportvectormachine（SVM）wasusedforclassification.Consideringtheshortcomings12ofthetraditionalclassifier，theparameterswereoptimizedviathecompositekernel.Th

4、eresultsofsimulationshowedthatthenewmethodimprovedtheweedidentification.Thehighestrecognitionrateoftestsampleswas86%whentheweightofradialbasisfunctionwas0.8andpolynomialkernelfunctionwas0.2.　　Keywords：corn；weedidentification；texturefeature；combinationkernelfunction　

5、　玉米苗期的田间杂草有100余种，隶属于30科，常见的包括刺儿菜、藜、马塘、田旋花等，其中有20%左右直接影响玉米的产量与质量。在过去很长的一段时期，我国的除草方式多为人工除草，耗费了大量劳动力。近年来引入了除草剂进行除草，大规模的除草剂对环境带来比较严重的污染，且有些破坏是难以逆转的。随着图像处理和人工智能等技术的不断发展，借助图像处理与识别技术实现农田中除草剂的定向定量喷洒是目前的研究热点之一，其中怎样进行杂草的图像识别是最为关键的步骤。12　　当前已经开发出不少杂草识别的有效方法，这些方法往往结合作物中杂草的各类特征对其

6、进行识别，包括颜色特征[1-4]、形状特征[5，6]、光谱特征[7-9]或者以上特征的组合等，而单独针对杂草纹理特征对杂草进行智能识别的研究目前比较少见。作物（尤其是叶片）的纹理特征能够记录作物在灰度特点以及颜色分布特征上的规律，因而也可以在玉米杂草图像识别中取得较好效果[10]。为此，以玉米作物杂草图像为研究对象，对采集的杂草叶片图像进行预处理，筛选杂草叶片的纹理特征，以支持向量机进行分类，为了实现更好的分类效果，以组合核函数对传统分类器性能进行优化。仿真结果证明对杂草的分类准确度可以满足需求。　　1材料与方法　　1.1图像

7、采集　　玉米作物的苗期同时也是大量杂草生长的关键期，因此进行图像采集的时间选取在玉米出现3～5片叶片的时候，在河北农业大学农作物实验教学基地采集刺儿菜、藜、马塘、田旋花等杂草叶片标本。在图像采集时需要考虑拍摄高度和像素等参数，相机高度过高会影响图像的清晰度，而过低则会增加图像处理成本。经过综合考虑，将拍摄高度定为70cm，镜头垂直向下，像素为640×320。　　1.2图像预处理　　预处理的目的是为了突出图像的特征，增强其中的有用信息，此研究中图像的预处理包括图像增强、灰度处理以及滤波处理。　　1.2.1图像增强在图像增强方法的

8、选取上，对常见的频率增强与空间增强进行对比，为了提升识别效率，减少运算量，选取效率更高的空间增强法[11]，对目标图像的每一个像素的灰度值进行变换，最终实现整体对比度的提升，具体算法如下：　　g（i，j）=■×[f（i，j）-fa]+ga　　其中，f（i，j））与g（i，j）