文献类型：期刊文章

作　　者：韩晓艳[1,2] 赵东[3]

机构地区：[1]吉林农业大学信息技术学院,吉林长春130118 [2]长春理工大学光电信息学院信息工程分院,吉林长春130012 [3]长春师范大学计算机科学与技术学院,吉林长春130032

出　　处：《液晶与显示》

基　　金：国家自然科学基金(No.61101155);吉林省自然科学基金(No.20140101184JC);长春市科技计划资助项目(No.2012091);吉发改高技(No.2014817);吉林省教育厅(No.2016392)~~

年　　份：2017

卷　　号：32

期　　号：1

起止页码：69-75

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EBSCO、IC、INSPEC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：为了实现对田间水稻缺素的精准识别,构建一个图像识别系统。对该系统所采用的图像采集、图像分割、基于支持向量机图像分类等算法进行研究。首先,根据田间水稻的缺素现象进行图像采集和处理。然后提取图像与氮元素相关的颜色特征。在分析比较SVM算法对图像分割的基础上,提出一种基于改进粒子群算法进行SVM参数优化算法模型(即IPSO-SVM)。最后,对实验进行设置,对算法模型与其他算法进行测试对比。实验结果表明:对水稻缺素诊断的准确率达到95.45%,基本满足田间水稻缺素的科学诊断要求。

关 键 词：图像分割 支持向量机 粒子群 缺素

分 类 号：TP394.1] TH691.9[计算机类]