本文關(guān)鍵詞：基于稀疏編碼金字塔模型的農(nóng)田害蟲圖像識(shí)別

  更多相關(guān)文章： 圖像識(shí)別 算法 害蟲控制 字典學(xué)習(xí) 稀疏編碼 金字塔模型

【摘要】：相較于一般物體的圖像,農(nóng)作物害蟲圖像因具有復(fù)雜的農(nóng)田環(huán)境背景,分類與識(shí)別更加困難。為提高害蟲圖像識(shí)別的準(zhǔn)確率,該文提出一種基于圖像稀疏編碼與空間金字塔模型相結(jié)合的害蟲圖像表示與識(shí)別方法。該方法利用大量非標(biāo)注的自然圖像塊構(gòu)造過完備學(xué)習(xí)字典,并運(yùn)用該學(xué)習(xí)字典實(shí)現(xiàn)對(duì)害蟲圖像的多空間稀疏表示。與此同時(shí),結(jié)合多核學(xué)習(xí),該文設(shè)計(jì)了一種害蟲圖像識(shí)別算法。通過對(duì)35種害蟲的識(shí)別,試驗(yàn)結(jié)果表明:在相同方法下,該文所提特征提取方法可使平均識(shí)別精度提高9.5百分點(diǎn);此外,進(jìn)一步通過對(duì)221種昆蟲及20種蝴蝶的識(shí)別,試驗(yàn)結(jié)果表明:與傳統(tǒng)方法相比較,該文所提方法使得平均識(shí)別精度提高14.1百分點(diǎn)。
【作者單位】： 中國科學(xué)院合肥智能機(jī)械研究所;安徽省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)經(jīng)濟(jì)與信息研究所;
【關(guān)鍵詞】： 圖像識(shí)別 算法 害蟲控制 字典學(xué)習(xí) 稀疏編碼 金字塔模型
【基金】：國家自然基金項(xiàng)目:基于上下文感知與稀疏表示的害蟲圖像識(shí)別研究(31401293) 安徽省農(nóng)業(yè)科學(xué)院院長(zhǎng)青年創(chuàng)新基金項(xiàng)目:基于機(jī)器視覺的植保圖像采集與元數(shù)據(jù)管理技術(shù)研究(14B1461)
【分類號(hào)】：TP391.41;S43
【正文快照】： 謝成軍,李瑞,董偉,宋良圖,張潔,陳紅波,陳天嬌.基于稀疏編碼金字塔模型的農(nóng)田害蟲圖像識(shí)別[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(17):144-151.doi:10.11975/j.issn.1002-6819.2016.17.020 http://www.tcsae.orgXie Chengjun,Li Rui,Dong Wei,Song Liangtu,Zhang Jie,Chen Hongbo,Chen Tia

【相似文獻(xiàn)】

中國重要會(huì)議論文全文數(shù)據(jù)庫 前3條

1 尚麗;;使用正態(tài)可逆高斯密度模型的非負(fù)稀疏編碼收縮技術(shù)實(shí)現(xiàn)圖像消噪[A];蘇州市自然科學(xué)優(yōu)秀學(xué)術(shù)論文匯編(2008-2009)[C];2010年

2 劉揚(yáng);程健;盧漢清;;基于目標(biāo)局部特征的遷移式學(xué)習(xí)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

3 張瑩瑩;梁培基;;視網(wǎng)膜神經(jīng)元的高效信息處理[A];第十一次中國生物物理學(xué)術(shù)大會(huì)暨第九屆全國會(huì)員代表大會(huì)摘要集[C];2009年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 唐海峰;基于信號(hào)稀疏表征的故障診斷方法研究[D];上海交通大學(xué);2014年

2 孫宇平;基于稀疏表征和自相似性的視覺數(shù)據(jù)識(shí)別關(guān)鍵技術(shù)及應(yīng)用[D];華南理工大學(xué);2015年

3 李清勇;視覺感知的稀疏編碼理論及其應(yīng)用研究[D];中國科學(xué)院研究生院（計(jì)算技術(shù)研究所）;2006年

4 季昊;稀疏編碼研究及其在模式識(shí)別中的應(yīng)用[D];北京郵電大學(xué);2012年

5 孫俊;人臉圖像分析和識(shí)別方法研究[D];清華大學(xué);2001年

6 朱秋平;基于稀疏編碼的織物瑕疵檢測(cè)算法研究[D];武漢大學(xué);2014年

7 羅敏楠;T-S模糊推理系統(tǒng)的結(jié)構(gòu)稀疏編碼辨識(shí)理論與方法[D];清華大學(xué);2014年

8 謝錦生;基于動(dòng)態(tài)感知與異常注意的目標(biāo)描述方法研究[D];中國科學(xué)技術(shù)大學(xué);2012年

9 劉小白;圖像及視頻語義解析的關(guān)鍵技術(shù)研究[D];華中科技大學(xué);2012年

10 丁昕苗;基于多示例學(xué)習(xí)的恐怖視頻識(shí)別技術(shù)研究[D];中國礦業(yè)大學(xué)（北京）;2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 柏文強(qiáng);基于局部特征提取和稀疏編碼的人臉識(shí)別算法研究[D];燕山大學(xué);2015年

2 李明;目標(biāo)檢測(cè)與識(shí)別算法研究與應(yīng)用[D];中央民族大學(xué);2015年

3 許濤;面向視頻管理的指紋特征提取技術(shù)研究[D];電子科技大學(xué);2015年

4 鮑珍珍;基于多路分層稀疏編碼的遙感圖像場(chǎng)景分類[D];西安電子科技大學(xué);2014年

5 覃曉冰;基于稀疏編碼的語音去噪技術(shù)研究[D];電子科技大學(xué);2015年

6 謝易道;大規(guī)模人臉圖像編碼及其在人臉驗(yàn)證中的應(yīng)用研究[D];電子科技大學(xué);2015年

7 勾珍珍;基于空間約束和稀疏編碼的高光譜圖像分類[D];西安電子科技大學(xué);2014年

8 黃成;基于非負(fù)稀疏編碼的視頻拷貝檢測(cè)方法研究[D];湘潭大學(xué);2015年

9 張文義;基于智能監(jiān)控系統(tǒng)的圖像質(zhì)量增強(qiáng)算法的研究[D];南京郵電大學(xué);2015年

10 丁文秀;基于分層深度學(xué)習(xí)的行人分類方法研究[D];合肥工業(yè)大學(xué);2015年

，

本文編號(hào)：794374