期刊文献+

无公害农产品信息化系统的数字特征提取 被引量:1

下载PDF
导出
摘要 在引入数字图像处理技术的基础上,提出一种无公害农产品数字特征提取方法,该方法从农产品的生长环境、培育过程、几何形态3个类别9个方面,对无公害检测关键指标进行数字化处理,提取出无公害农产品的数字特征。与传统方法相比,本研究提出的方法具有检测速度快、范围广、非破坏性等特点,具有良好的准确性。验证结果表明,该方法在农业信息化系统中具有良好的可行性。
作者 徐儒
出处 《江苏农业科学》 北大核心 2014年第10期373-377,共5页 Jiangsu Agricultural Sciences
基金 教育部"春晖"计划科研合作资助项目(编号:Z2005-1-55003) 重庆市涪陵区科委计划项目(编号:2012ABA1054) 长江师范学院科研项目(编号:2012XJYB038)
  • 相关文献

参考文献4

二级参考文献35

  • 1孙宁,冀贞海,邹采荣,赵力.基于局部二元模式算子的人脸性别分类方法[J].华中科技大学学报(自然科学版),2007,35(S1):177-181. 被引量:20
  • 2刘贯山.烟草叶面积不同测定方法的比较研究[J].安徽农业科学,1996,24(2):139-141. 被引量:62
  • 3潘学标,王延琴,崔秀稳,邓绍华.棉花叶面积系数的非破坏性速测方法[J].中国棉花,1996,23(10):13-14. 被引量:4
  • 4Li J, Allinson N M. A comprehensive review of current local features for computer vision [J]. Neurocomputing, 2008, 71 (10/12) : 1771-1787.
  • 5Mikolajczyk K, Tuytelaars T, Schmid C, etal. A comparison of affine region detectors [J]. International Journal of Computer Vision, 2005, 65(1/2): 43-72.
  • 6Mikolajczyk K, Sehmid C. A performance evaluation of local descriptors [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2005, 27(10): 1615-1630.
  • 7Lowe D G. Distinctive image features from seale-invariant keypoints [J]. International Journal of Computer Vision, 2004, 60(2): 91-110.
  • 8Ke Y, Sukthankar representation for local R. PCA-SIFT: a more distinctive image descriptors [C]//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition, Washington D C, 2004, 2:506-513.
  • 9Ojala T, Pietikainen M, Maenpaa T. Multiresolution gray-scale and rotation invariant texture classification with local binary patterns [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 2002, 24(7): 971-987.
  • 10Herkkila M, Pietikainen M, Schmid C. Description of interest regions with local binary patterns [J]. Pattern Recognition, 2009, 42(3): 425-436.

共引文献141

同被引文献1

引证文献1

二级引证文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部