基于SVM和DS证据理论融合多特征的玉米病害识别研究

发布时间：2023-05-07 13:16

　　针对玉米叶部病害图像的颜色、纹理、形状特征对病害影响的差异性,提出一种结合单特征下的SVM识别准确率和识别结果的融合多特征玉米病害识别方法。首先对预处理后的玉米病害图片提取颜色、纹理、形状3种特征,对应每一种特征构建一个SVM分类器,结合3个SVM分类器的平均准确率和识别结果作为证据理论的3个证据,构建D-S证据理论的基本概率分配函数(BPA),最后根据D-S证据理论决策规则进行决策级融合,依据决策条件输出最终识别结果。结果表明,结合SVM识别准确率和识别结果来对玉米的灰斑病、弯孢菌叶斑病、锈病三种病害进行识别,准确率分别为95%,85%,100%,平均准确率为93.33%,该方法对玉米叶部病害的识别更准确和稳定。

【文章页数】：6 页

【文章目录】：
0 引言
1 试验材料
2 图像处理与特征提取
    2.1 图像处理
    2.2 特征提取
        2.2.1 颜色特征提取
        2.2.2 形状特征提取
        2.2.3 纹理特征提取
3 多特征融合
    3.1 D-S证据理论
    3.2 支持向量机
    3.3 BPA函数构造
    3.4 决策级融合病害识别
4 试验结果及分析
    4.1 单特征SVM参数的选取
    4.2 证据融合识别结果分析
5 结论



本文编号：3810641