基于WLLE和SVM的植物叶片图像识别方法

合集下载

相关主题

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ｋｅｙｗｏｒｄｓ：ｍａｎｉｆｏｌｄｌｅａｒｎｉｎｇ；ｌｏｃａｌｌｙｌｉｎｅａｒｅｍｂｅｄｄｉｎｇ；ｗｅｉｇｈｔｅｄｌｏｃａｌｌｙｌｉｎｅａｒｅｍｂｅｄｄｉｎｇ；ｆｅａｔｕｒｅ
ｃｏｕｌｄｎ’ｔｒｅｃｏｇｎｉｚｅｐｌａｎｔｌｅａｆｉｍａｇｅｓｅｆｆｅｃｔｉｖｅｌｙ，ａｒｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｏｆｐｌａｎｔｌｅａｖｅｓｂａｓｅｄｏｎｗｅｉｇｈｔｅｄｌｏｃａｌｌｙｌｉｎｅａｒｅｍｂｅｄｄｉｎｇａｎｄｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｗａｓｐｒｏｐｏｓｅｄ．ＴｈｅｆｅａｔｕｒｅｓｏｆｔｈｅｐｒｅｐｒｏｃｅｓｓｉｎｇｐｌａｎｔｌｅｆａｉｍａｇｅｓｗｉｔｈｎｏｉｓｅｗｅｒｅｅｘｔｒａｃｔｅｄｂｙｕｓｅｏｆＷＬＬＥ，ａｎｄｌｅｆａｆｅａｔｕｒｅｓｅｔｓｗｅｒｅｔｒａｉｎｅｄａｎｄｒｅｃｏｇｎｉｚｅｄｂｙｔｈｅｃｌａｓｓｉｉｃｆａｔｉｏｎｍｅｔｈｏｄｓｏｆＳＶＭ，ａｔｌａｓｔ，ｐｌａｎｔｌｅｆａｉｍａｇｅｓｆｒｏｍｔｈｅｒｅａｌ
丁娇，梁栋，阎庆
２３００３９）（安徽大学电子信息工程学院，安徽合肥摘
要：针对局部线性嵌入（ＬＬＥ）算法易受噪声影响，以及最近邻分类器不能有效识别植物叶片图像，提出一
种基于加权局部线性嵌入（ＷＬＬＥ）和支持向量机（ＳＶＭ）的植物叶片图像识别方法．首先利用ＷＬＬＥ算法对预
处理后的含有高斯噪声叶片图像进行特征提取，然后采用ＳＶＭ分类机制对叶片图像进行训练和识别，最后在
真实的植物叶片图像数据库中提取植物叶片图像进行分类实验．实验结果表明该方法能提高叶片图像的分
类率．
关键词：流形学习；局部线性嵌入；加权局部线性嵌入；特征提取；支持向量机；植物叶片识别
ｐｌａｎｔｌｅａｆｉｍａｇｅｄａｔａｂａｓｅｗｅｒｅｕｓｅｄｔｏｔａｋｅｃｌａｓｓｉｉｆｃａｔｉｏｎｅｘｐｅｉｍｅｒｎｔ．Ｅｘｐｅｉｒｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｅｄ
Ｊｕｌｙ２０１３
Ｖｏｌ｜３７Ｎｏ．４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１０００－２１６２．２０１３．０４．０１１
基于ＷＬＬＥ和ＳＶＭ的植物叶片图像识别方法
中图分类号：ＴＰ３９１．４１文献标志码：Ａ文章编号：１０００ — ２１６２（２０１３）４－０００６１＂０７
ＲｅｃｏｇｎｉｔｉｏｎｍｅｔｈｏｄｏｆｐｌａｎｔｌｅａｖｅｓｂａｓｅｄｏｎＷＬＬＥａｎｄＳＶＭ
ｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｉｍｐｒｏｖｅｄｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｐｌａ Biblioteka Baidu ｔｌｅｆａｉｍａｇｅｓ．
Ａｂｓｔｒａｃｔ：Ｉｎｇｅｎｅｒａｌ，ｎｏｉｓｅｃｏｕｌｄｉｎｌｆｕｅｎｃｅｔｈｅａｌｇｏｉｒｔｈｍｏｆＬＬＥ，ａｎｄｎｅａｒｅｓｔｎｅｉｇｈｂｏｒｃｌａｓｓｉｆｉｅｒ
２０１３年７月
第３７卷第４期
安徽大学学报（自然科学版）ＪｏｕｒｎａｌｏｆＡｎｈｕｉＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ）
ＤＩＮＧＪｉａｏ，ＬＩＡＮＧＤｏｎｇ，ＹＡＮＱｉｎｇ
（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＡｎｈｕｉＵｎｉｖｅｓｒｉｔｙ，Ｈｅｆｅｉ２３００３９，Ｃｈｉｎａ）