文献类型：期刊文章

作　　者：李先锋[1,2] 朱伟兴[1] 纪滨[1] 刘波[1] 马长华[1]

机构地区：[1]江苏大学电气信息工程学院,镇江212013 [2]盐城工学院信息工程学院,盐城224051

出　　处：《农业工程学报》

基　　金：江苏大学现代农业装备与技术省部共建教育部重点试验室开放基金资助项目(NZ200709)

年　　份：2010

卷　　号：26

期　　号：10

起止页码：178-182

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI(收录号：20105013479958)、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：利用叶片形状特征区分杂草和作物是杂草识别的一个重要方法。为了提高杂草识别的精度和效率,通过形态学运算和基于距离变换的阈值分割方法分离交叠叶片,从单个叶片中提取包括几何特征和矩特征的17个形状特征,用蚁群优化(ACO)算法和支持向量机(SVM)分类器进行特征选择和分类识别,选取有利于分类的较优特征并实现特征的优化组合。棉田杂草试验结果表明,该方法能实现分类特征的有效缩减,经优化组合得到的最优特征子集用于杂草识别的准确率达95%以上,识别率高,稳定性好,对识别杂草时如何兼顾准确率和实时性具有参考意义。

关 键 词：图像处理 特征提取 支持向量机 蚁群优化算法

分 类 号：TP391.4]