基于特征优化和LS-SVM的棉田杂草识别

• 作 者: 李先锋 朱伟兴 纪滨 刘波
• 机 构: 江苏大学电气信息工程学院,盐城工学院信息工程学院
• 出 处: 农业机械学报
• 发表日期: 2010年11期
• 关键词: 棉花 杂草识别 特征选择 粒子群优化算法 最小二乘支持向量机 Cotton Weed identification Feature selection Part
• 基金项目: 江苏大学现代农业装备与技术省部共建教育部重点实验室开放基金资助项目（NZ200709）

为了提高杂草识别的精度和效率,提出了一种基于特征优化和最小二乘支持向量机(LS-SVM)技术的棉田杂草识别方法。在对原始图像灰度化、滤波去噪和阈值分割等处理的基础上,提取植物叶片的6个几何特征和7个Hu不变矩,用粒子群优化(PSO)算法对形状特征进行优化选择,缩减LS-SVM训练样本数据,然后用训练好的分类器进行杂草识别。实验结果表明,该方法在有效缩减形状特征的同时,能够保持高于原始特征集的识别率,平均正确识别率达到95.8%。