基于支持向量机和色度矩的植物病害识别研究

针对植物病害彩色纹理图像的特点 ,提出将支持向量机和色度矩分析方法相结合应用于植物病害识别中。首先利用色度矩提取植物病害叶片的特征向量 ,然后利用支持向量机分类方法进行病害的识别。黄瓜病害纹理图像识别实验分析表明 ,利用色度矩提取病害彩色纹理图像特征简便、快捷、分类效果好 ;支持向量机分类方法在病害分类时训练样本较少 ,具有良好的分类能力和泛化能力 ,适合于植物病害的分类。不同分类核函数的相互比较分析表明 ,线性核函数最适于植物病害的分类识别。

基于纹理特征和支持向量机的玉米病害的识别

针对玉米病害叶片彩色纹理图像的特点,提出一种将支持向量机和色度矩分析应用于玉米病害识别的方法。首先利用色度矩提取玉米病害叶片纹理图像的特征向量,然后将支持向量机分类方法应用于病害的识别。玉米病害纹理图像识别实验结果表明:支持向量机分类方法对于病害分类训练样本较少时,具有良好的分类能力和泛化能力,适合于玉米病害的分类。不同分类核函数的相互比较分析表明,径向基核函数最适合于玉米病害的分类识别。

基于纹理特征和支持向量机的葡萄病害的识别

针对葡萄病害彩色纹理图像的特点,提出一种将支持向量机和色度矩分析应用于葡萄病害识别的方法。首先利用色度矩提取葡萄病害叶片纹理图像的特征向量,然后将支持向量机分类方法应用于病害的识别。葡萄病害纹理图像识别实验结果表明,利用色度矩提取病害彩色纹理图像特征简便、快捷、分类效果好;支持向量机分类方法对于病害分类训练样本较少时,具有良好的分类能力和泛化能力,适合于葡萄病害的分类。不同分类核函数的相互比较分析表明,径向基核函数最适合于葡萄病害的分类识别。

基于颜色和纹理特征的大麦主要病害识别研究

为提出一种在自然环境条件下基于采集图像的颜色一阶与二阶矩和纹理LBP算子改进模式综合特征参数的大麦病害识别方法,以甘肃河西地区发生的大麦白粉病、云纹病和条锈病为研究对象,采用颜色矩和LBP算子均匀模式综合特征参数来提取大麦病斑的颜色和纹理特征,并将该特征向量作为输入向量构建以径向基为核函数的支持向量机(SVM)分类器模型。利用SVM分类模型对采集到的355幅病害图像进行实例分析,结果表明当径向基参数时,大麦病害整体识别正确率达84.7458%。本研究为农田大麦病害诊断提供了有效的分析手段,验证分类模型在大麦病害研究中的可行性,并可为其他农作物病害诊断提供借鉴和参考。