基于粒子群优化SVM和多特征融合的鱼类分类方法研究

发布时间：2024-05-20 21:02

　　针对鱼类识别面临着光照强度、各背景栖息地的变化和不同物种在视觉上具有相似性等方面的问题,提出一种新的基于多特征相结合及粒子群优化SVM的鱼类分类方法。该方法采用在原始图像中提取颜色、方向梯度直方图(HOG)和灰度共生矩阵(GLCM)特征构成特征向量,并提出选择设置最佳权重比的方法进行特征融合,采用PCA技术对提取的特征向量进行降维,以消除冗余数据。结果表明,该方法在实际采集的数据集上的准确率达94.7%,同属类鱼识别最高准确率93.75%,该方法可以应用于实际的鱼类图像数据集,实现对鱼类生物多样性的有效监测。

【文章页数】：7 页

【文章目录】：
0 引言
1 材料方法
    1.1 算法流程
    1.2 颜色特征提取
    1.3 方向梯度直方图
    1.4 灰度共生矩阵
    1.5 特征融合
    1.6 粒子群优化支持向量机
2 试验材料及条件
    2.1 使用的鱼类图像集
    2.2 试验环境
3 试验过程及结果
    3.1 特征权重对比试验
    3.2 分类方法对比试验
        3.2.1 不同分类方法对比试验
        3.2.2 同属类与不同属类分类结果
4 总结



本文编号：3979113