《基于支持向量机与多特征选择的农作物彩色病斑边缘检测》.pdfVIP

计 算 机 系 统 应 用 http：／／www．c～Sa．org．cn 2014年 第23卷 第 9期 基于支持向量机与多特征选择的农作物彩色病斑边缘 检测① 濮永仙 (德宏师专 计科系，德宏 678400) 摘 要：为正确提取作物病害图像病斑，提出了一种基于支持向量机与多特征选择的作物彩色病斑边缘检测方法． 该方法用(2d+1)×(2d+1)大小的窗口遍历图像，计算图像亮度和色度通道的方差、均值差、最大梯度，以及空间位置 特征和均值色差作为特征向量，实现支持向量机对病斑边缘识别．为提高检测病斑边缘的效率，提出了在遍历过程 中，若特征值都小于阈值时，则跳过d行，d列再遍历．实验表明，该方法比传统的边缘检测算子具有更好的病斑边 缘识别能力． 关键词：支持向量机；多特征；农作物；彩色病斑；边缘检测 ColorDiseaseSpotEdgeDetectionofCropBasedonMultifeatureSelectionandSupport VectorM achine PU Y0ng-Xian (ComputerScienceDepartment,DehongTeachers’College，Dehong678400，China) Abstract：Inordertocorrectlyextractthelesionofcropdiseaseimages，proposesamehtodtodetectcoloredgeofcrop diseasebasedonsupportvectormachinesandmultifeatureselection．Themehtoduses(2d+1) (2d+1)ashtesizeof htewindowthroughhteimage．Italsoisusedonhteimageluminnaceandchrominancechannelscalculatevariance， mean valuedifference，maximum gradient,characteristicsofspacepositionna dmena colordifference．In ordre to accurately identify theedgeofdisease spot，htecharacteristicsofvector-valued inputsupportvectormachineis employed．Toimprovehteefficiencyofdiseasespotofedgedetection,amehtodisproposedinhtertaversalprocess，if hteeigenvaluesraesmallerhtanhtethreshold，skipdrow,dcolumntortaverse．Theexperimentalshowshtathtemehtod hasbetterhtanhtertaditionaledgedetectionoperatordiseasespotedgerecognitionability． Keywords：supportvectormachine；multi-feature；crops；colordiseasespot；edgedetection 边缘检测是图像处理中的一种分割技术．边缘是 的效果；毛罕平，张柏毅等2【’3】利用模糊 c均值聚类对 以图像局部特征不连续的形式出现，即图像局部特征 棉花、玉米病害图像的病斑进行分割，取得了一定的 发生剧烈变化的地方，这些特征包括灰度、颜色、纹 成效；任玉刚等4【J利用分水岭算法对黄瓜病害图像病 理等．在作物生长过程中，有许多病害危害，其中叶 斑分割，平均正确率达 90％以上；祁广云等5【】采用改 部病斑的纹理、颜色、形状等特征信息反映了作物病 进的遗传算法及 BP神经网络对大豆叶片病害图像病 害类型及受害程度，是诊断病害的依据．因此，准确 斑分割，能有效提取病斑区域． 分割病害图像病斑是提取病害特征，准确诊断病害类 本文提出基于支持向量机与多特征选择的作物彩 别的前提．近年来，许多学者对作物病斑的分割进行 色病斑边缘检 测 ．支持 向