期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于LMPSO-SVM的高光谱水稻稻瘟病害分级检测
被引量:
3
1
作者
刘潭
李子默
+3 位作者
冯帅
王雯琦
袁青云
许童羽
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第11期208-216,235,共10页
为减少水稻产量损失,迫切需要建立快速、准确的水稻叶瘟监测和鉴别方法。本文以东北水稻为研究对象,以小区试验为基础,使用高光谱图像仪获取受稻瘟病菌侵染后不同发病程度的水稻叶片高光谱图像并提取光谱数据。首先,通过SG平滑方法对光...
为减少水稻产量损失,迫切需要建立快速、准确的水稻叶瘟监测和鉴别方法。本文以东北水稻为研究对象,以小区试验为基础,使用高光谱图像仪获取受稻瘟病菌侵染后不同发病程度的水稻叶片高光谱图像并提取光谱数据。首先,通过SG平滑方法对光谱数据进行预处理,然后运用主成分分析(PCA)、Pearson相关系数分析法(PCCs)、PLS-VIP方法对光谱数据进行降维,并提出了一种基于Logistic混沌映射PSO寻优的SVM分级检测模型(LMPSO-SVM)。为了验证提出方法的有效性,以不同降维方法提取的特征变量为输入,分别建立基于人工神经网络(ANN)、支持向量机(SVM)和PSO-SVM的分级模型并进行对比分析。仿真结果表明,各模型对4级病害的识别效果最好,综合5种级别病害,SVM和ANN分级模型的预测准确率波动相对较大,对于病害预测效果不太理想;而在不同特征选择下建立的LMPSO-SVM分级模型对各级病害预测准确率均较高,准确率波动较小,其中基于PCA提取特征变量和全波段作为输入的模型平均准确率非常相近,分别为96.49%和96.12%,PCA提取的输入变量仅为5个,大大简化了模型复杂性,降低了训练难度和训练时间。综合分析,PCA-LMPSO-SVM模型的训练效果最好,可以认为是最佳病害分级模型,其5种级别病害准确率分别为94.29%、96.43%、93.44%、98.30%和100%。因此,本文提出的方法可进一步提高水稻稻瘟病分级检测精度和可靠性,结果可为确定稻瘟病发生情况提供一定的理论基础和技术支撑。
展开更多
关键词
水稻稻瘟病
病害检测
高光谱降维
粒子群算法
LMPSO-
svm
下载PDF
职称材料
基于小波变换的超声图像纹理特征提取及前列腺癌诊断
被引量:
5
2
作者
杨振森
李传富
+2 位作者
周康源
刘伟
冯焕清
《航天医学与医学工程》
CAS
CSCD
北大核心
2009年第4期281-285,共5页
目的根据小波变换原理,研究了前列腺直肠超声图像中纹理特征的提取方法,并应用于前列腺癌的早期诊断。方法本文提取出前列腺直肠超声图像中目标区域的小波变换纹理特征和边界频率特征,通过主分量分析方法(principal components analysis...
目的根据小波变换原理,研究了前列腺直肠超声图像中纹理特征的提取方法,并应用于前列腺癌的早期诊断。方法本文提取出前列腺直肠超声图像中目标区域的小波变换纹理特征和边界频率特征,通过主分量分析方法(principal components analysis,PCA)对提取出的纹理特征进行选择,得到一个最优的特征子集。然后分别应用K均值聚类、支持向量机(support vector machine,SVM)算法和AdaBoost(a-daptive boosting)算法来对所提取出的病变区域纹理特征进行分类。结果对比实验结果表明,本文所提取的特征比单纯的使用灰度级差矢量(gray level difference vector,GLDV)具有更好的区分良恶性图像的能力,AdaBoost算法和SVM算法都能够有效地识别病变区域,识别正确率达到94.12%和93.46%。结论使用本文算法可以为医生诊断提供有用的辅助信息,并提高诊断效率。
展开更多
关键词
前列腺癌
小波纹理特征
svm
算法
ADABOOST算法
计算机辅助诊断
下载PDF
职称材料
题名
基于LMPSO-SVM的高光谱水稻稻瘟病害分级检测
被引量:
3
1
作者
刘潭
李子默
冯帅
王雯琦
袁青云
许童羽
机构
沈阳农业大学信息与电气工程学院
辽宁省农业信息化工程技术研究中心
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2023年第11期208-216,235,共10页
基金
辽宁省教育厅面上项目(LJKMZ20221035、LJKZ0683)
国家重点研发计划项目(2022YFD2002303-01)
+1 种基金
辽宁省重点研发计划项目(2019JH2/10200002)
国家自然科学基金项目(320001415)。
文摘
为减少水稻产量损失,迫切需要建立快速、准确的水稻叶瘟监测和鉴别方法。本文以东北水稻为研究对象,以小区试验为基础,使用高光谱图像仪获取受稻瘟病菌侵染后不同发病程度的水稻叶片高光谱图像并提取光谱数据。首先,通过SG平滑方法对光谱数据进行预处理,然后运用主成分分析(PCA)、Pearson相关系数分析法(PCCs)、PLS-VIP方法对光谱数据进行降维,并提出了一种基于Logistic混沌映射PSO寻优的SVM分级检测模型(LMPSO-SVM)。为了验证提出方法的有效性,以不同降维方法提取的特征变量为输入,分别建立基于人工神经网络(ANN)、支持向量机(SVM)和PSO-SVM的分级模型并进行对比分析。仿真结果表明,各模型对4级病害的识别效果最好,综合5种级别病害,SVM和ANN分级模型的预测准确率波动相对较大,对于病害预测效果不太理想;而在不同特征选择下建立的LMPSO-SVM分级模型对各级病害预测准确率均较高,准确率波动较小,其中基于PCA提取特征变量和全波段作为输入的模型平均准确率非常相近,分别为96.49%和96.12%,PCA提取的输入变量仅为5个,大大简化了模型复杂性,降低了训练难度和训练时间。综合分析,PCA-LMPSO-SVM模型的训练效果最好,可以认为是最佳病害分级模型,其5种级别病害准确率分别为94.29%、96.43%、93.44%、98.30%和100%。因此,本文提出的方法可进一步提高水稻稻瘟病分级检测精度和可靠性,结果可为确定稻瘟病发生情况提供一定的理论基础和技术支撑。
关键词
水稻稻瘟病
病害检测
高光谱降维
粒子群算法
LMPSO-
svm
Keywords
rice blast disease
disease detection
hyperspectral dimensionality reduction
particle swarm
algrithm
LMPSO
svm
分类号
S511 [农业科学—作物学]
S41-30 [农业科学—植物保护]
下载PDF
职称材料
题名
基于小波变换的超声图像纹理特征提取及前列腺癌诊断
被引量:
5
2
作者
杨振森
李传富
周康源
刘伟
冯焕清
机构
中国科学技术大学电子工程与信息科学系
安徽中医学院第一附属医院影像中心
中国科学技术大学电子科学与技术系
出处
《航天医学与医学工程》
CAS
CSCD
北大核心
2009年第4期281-285,共5页
基金
安徽省教委自然科学基金重点研究项目(2006KJ097A)
文摘
目的根据小波变换原理,研究了前列腺直肠超声图像中纹理特征的提取方法,并应用于前列腺癌的早期诊断。方法本文提取出前列腺直肠超声图像中目标区域的小波变换纹理特征和边界频率特征,通过主分量分析方法(principal components analysis,PCA)对提取出的纹理特征进行选择,得到一个最优的特征子集。然后分别应用K均值聚类、支持向量机(support vector machine,SVM)算法和AdaBoost(a-daptive boosting)算法来对所提取出的病变区域纹理特征进行分类。结果对比实验结果表明,本文所提取的特征比单纯的使用灰度级差矢量(gray level difference vector,GLDV)具有更好的区分良恶性图像的能力,AdaBoost算法和SVM算法都能够有效地识别病变区域,识别正确率达到94.12%和93.46%。结论使用本文算法可以为医生诊断提供有用的辅助信息,并提高诊断效率。
关键词
前列腺癌
小波纹理特征
svm
算法
ADABOOST算法
计算机辅助诊断
Keywords
prostate cancer
wavelet texture feature
svm algrithm
AdaBoost algorithm
computer aideddaignosis
分类号
R445.1 [医药卫生—影像医学与核医学]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于LMPSO-SVM的高光谱水稻稻瘟病害分级检测
刘潭
李子默
冯帅
王雯琦
袁青云
许童羽
《农业机械学报》
EI
CAS
CSCD
北大核心
2023
3
下载PDF
职称材料
2
基于小波变换的超声图像纹理特征提取及前列腺癌诊断
杨振森
李传富
周康源
刘伟
冯焕清
《航天医学与医学工程》
CAS
CSCD
北大核心
2009
5
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部