文献类型：期刊文章

作　　者：何东健[1] 乔永亮[1] 李攀[1] 高瞻[1] 李海洋[2] 唐晶磊[2]

机构地区：[1]西北农林科技大学机械与电子工程学院,陕西杨凌712100 [2]西北农林科技大学信息工程学院,陕西杨凌712100

出　　处：《农业机械学报》

基　　金：国家自然科学基金资助项目(60975007;31101075)

年　　份：2013

卷　　号：44

期　　号：2

起止页码：182-187

语　　种：中文

收录情况：BDHX、BDHX2011、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2013_2014、EI(收录号：20131116114827)、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为解决单一特征识别杂草的低准确率和低稳定性,提出一种支持向量机(SVM)和DS(Shafer-Dempster)证据理论相结合的多特征融合杂草识别方法。在对田间植物图像处理的基础上,提取植物叶片形状、纹理及分形维数3类特征,分别以3类单特征的SVM分类结果作为独立证据构造基本概率指派(BPA),引入基于矩阵分析的DS融合算法简化决策级融合算法复杂度,根据融合结果及分类判决门限给出最终的识别结果。实验结果表明,多特征决策融合识别方法正确识别率达到96.11%,与单特征识别相比有更好的稳定性和更高的识别率。

关 键 词：杂草识别 支持向量机 DS证据理论 特征提取  多特征融合

分 类 号：TP391.4]