基于SVM和D—S证据理论的多特征融合杂草识别方法.pdfVIP

２０１１年 １１月 农 业 机 械 学 报 第 ４２卷第 １１期 基于ＳＶＭ和Ｄ Ｓ证据理论的多特征融合杂草识别方法 １ ２ １ １ 李先锋 　朱伟兴 　孔令东 　花小朋 （１．盐城工学院信息工程学院，盐城 ２２４０５１；２．江苏大学电气信息工程学院，镇江 ２１２０１３） 　　【摘要】　针对单一特征识别杂草的低准确率和低稳定性，提出一种支持向量机（ＳＶＭ）和Ｄ Ｓ证据理论相结 合的多特征融合杂草识别方法。在对田间植物图像处理的基础上，提取植物叶片的颜色、形状和纹理等 ３类视觉 特征，分别以３类单特征的 ＳＶＭ分类结果作为独立证据构造基本概率指派（ＢＰＡ），运用Ｄ Ｓ证据组合规则进行 决策级融合，根据分类判决门限给出最终的识别结果。试验结果表明，多特征决策融合识别方法正确识别率达到 ９７％以上。 关键词：杂草识别　特征提取　支持向量机　Ｄ Ｓ证据理论　决策级融合 中图分类号：ＴＰ３９１４１ 文献标识码：Ａ 文章编号：１０００１２９８（２０１１）１１０１６４０５ ＭｅｔｈｏｄｏｆＭｕｌｔｉｆｅａｔｕｒｅＦｕｓｉｏｎＢａｓｅｄｏｎＳＶＭａｎｄＤ ＳＥｖｉｄｅｎｃｅ ＴｈｅｏｒｙｉｎＷｅｅｄＲｅｃｏｇｎｉｔｉｏｎ １ ２ １ １ ＬｉＸｉａｎｆｅｎｇ　ＺｈｕＷｅｉｘｉｎｇ　ＫｏｎｇＬｉｎｇｄｏｎｇ　ＨｕａＸｉａｏｐｅｎｇ （１．ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＹａｎｃｈｅｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｙａｎｃｈｅｎｇ２２４０５１，Ｃｈｉｎａ ２．ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，Ｚｈｅｎｊｉａｎｇ２１２０１３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｌｏｗａｃｃｕｒａｃｙａｎｄｌｏｗｓｔａｂｉｌｉｔｙｏｆｔｈｅｓｉｎｇｌｅｆｅａｔｕｒｅｂａｓｅｄｍｅｔｈｏｄｆｏｒｗｅｅｄ ｒｅｃｏｇｎｉｔｉｏｎ，ａｍｕｌｔｉｆｅａｔｕｒｅｆｕｓｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎＳＶＭａｎｄＤ Ｓｅｖｉｄｅｎｃｅｔｈｅｏｒｙｗａｓｐｒｏｐｏｓｅｄ． Ｆｉｒｓｔｌｙ，ｔｈｒｅｅｔｙｐｅｓｏｆｖｉｓｕａｌｆｅａｔｕｒｅｓｓｕｃｈａｓｃｏｌｏｒ，ｓｈａｐｅａｎｄｔｅｘｔｕｒｅｗｅｒｅｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｐｌａｎｔ ｌｅａｖｅｓａｆｔｅｒａｓｅｒｉｅｓｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇ．Ｔｈｅｎ，ｔｈｅｐｌａｎｔｓｗｅｒｅｃｌａｓｓｉｆｉｅｄａｃｃｏｒｄｉｎｇｔｏｅａｃｈｔｙｐｅｏｆ ｆｅａｔｕｒｅｓｕｔｉｌｉｚｉｎｇＳＶＭａｎｄｔｈｅｒｅｓｕｌｔｓｗｅｒｅｕｓｅｄａｓｅｖｉｄｅｎｃｅｓｔｏｃｏｎｓｔｒｕｃｔｔｈｅｂａｓｉｃｐｒｏｂａｂｉｌｉｔｙａｓｓｉｇｎｍｅｎｔ （ＢＰＡ）．Ｆｉｎａｌｌｙ，ｕｓｉｎｇＤ Ｓｃｏｍｂｉｎａｔｉｏｎｒｕｌｅｏｆｅｖｉｄｅｎｃｅｔｏａｃｈｉｅｖｅｔｈｅｄｅｃｉｓｉｏｎｆｕｓｉｏｎａｎｄｇｉｖｉｎｇｆｉｎａｌ ｒｅｃｏｇｎｉｔｉｏｎｒｅｓｕｌｔｓｂｙｃｌａｓｓｉｆｉｃａｔｉｏｎｔｈｒｅｓｈｏｌｄｓ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅａｃｃｕｒａｃｙｏｆｍｕｌｔｉ ｆｅａｔｕｒｅｆｕｓｉｏｎｍｅｔｈｏｄｉｓｏｖｅｒ９７％ａｎｄｉｔｈａｓｇｏｏｄｐｅｒｆｏｒｍａｎｃｅｏｎａｃｃｕｒａｃｙａｎｄｓｔａｂｉｌｉｔｙｃｏｍｐａｒｅｄｔｏｔｈｅ ｓｉｎｇｌｅｆｅａｔｕｒｅｂａｓｅｄｍｅｔｈｏｄｉｎｗｅｅｄｒｅｃｏｇｎｉｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　Ｗｅｅｄｒｅｃｏｇｎｉｔｉｏｎ，Ｆｅａｔｕｒｅｅｘｔｒａｃｔｉｏｎ，Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，Ｄ