[1]吴啸天.基于多特征提取和SVM分类器的木材显微识别[J].陕西林业科技,2017,(05):11-14.
 WU Xiao-tian.Wood Microscopic Recognition Based on Feature Extraction and SVM Classifiers[J].,2017,(05):11-14.
点击复制

基于多特征提取和SVM分类器的木材显微识别()
分享到:

《陕西林业科技》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2017年05期
页码:
11-14
栏目:
试验与调查研究
出版日期:
2017-10-25

文章信息/Info

Title:
Wood Microscopic Recognition Based on Feature Extraction and SVM Classifiers
文章编号:
1001-2117(2017)05-0011-04
作者:
吴啸天
西北农林科技大学林学院,陕西 杨凌 712100
Author(s):
WU Xiao-tian
College of Forestry, Northwest A&F University, Yangling, Shaanxi 712100
关键词:
多特征提取 支持向量机 小规模数据 识别分类 木材显微细胞
Keywords:
Multi-feature extraction SVM small-scale data identify and classification wood cells
分类号:
S781.1
文献标志码:
A
摘要:
将多种不同木材的显微细胞图片进行识别,对进行木材分类研究具有重大意义。通过利用支持向量机(SVM),结合图像的图像梯度方向直方图(HOG)、局部二值模式(LBP)特征以及图像均值方差,对小规模的木材细胞图像的识别分类效果进行了实验。实验结果表明,SVM分类器结合多特征融合适的特征向量会有较好的识别效果,平均最高识别率达到了98.11%。
Abstract:
It is of great significance to study the microscopic cell images of many different woods. By using the support vector machine(SVM), the image gradient direction histogram(HOG), the local binary model(LBP)feature and the image mean variance were applied to the experiment with classification of small-scale wood cell images. The experimental results showed that the SVM classifier has a good recognition effect with the feature vector of multi-feature fusion, and the highest recognition rate at 98.11%.

参考文献/References:

[1] 汪杭军. 基于纹理的木材图像识别方法研究[D].合肥:中国科学技术大学,2013.
[2] 张斌,高鑫. 一种基于Gabor滤波器组和LBP的多特征联合SAR纹理图像分类方法[J]. 科学技术与工程,2010,10(17):4196-4201.
[3] 纪凯,韩栋. SVM支持向量机在遥感图像中的应用研究[J]. 湖南城市学院学报(自然科学版),2016,25(3):114-116.
[4] 唐银凤,黄志明,黄荣娟,等.基于多特征提取和SVM分类器的纹理图像分类[J]. 计算机应用与软件,2011,28(6):22-25,46.
[5] 陈维华. 基于支持向量机(SVM)的音乐情感分类[J]. 软件工程,2016,19(12):20-23.
[6] Dalal N, Triggs B. Histograms of oriented gradients for human detection[C]// Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. IEEE, 2005:886-893.
[7] 姚远,姜志国,张浩鹏. 基于层次化分类器的遥感图像飞机目标检测[J]. 航天返回与遥感,2014,35(5):88-94.
[8] 李嘉頔,陈振学,刘成云. 分块CS-LBP和加权PCA的低分辨率人脸识别[J]. 光电子·激光,2016,27(2):210-216.
[9] Ahonen T, Hadid A, Pietikinen M. Face Recognition with Local Binary Patterns[M]. IEEE Computer Society, 2006.
[11] L(x, λ). A Short SVM(Support Vector Machine)Tutorial. - JP Lewis[J]. 2015.
[12] 刘海伟. 图像分类与变化检测方法的研究与实现[D]. 北京:北方工业大学, 2013.
[13] 罗成石. 基于LIBSVM的粮食水分数据融合研究[J]. 科学技术与工程,2012,12(2):292-295.
[14] 多化豫,孙枭雄,袁云梅. 基于图像处理提高木材识别准确性的新方法[J].西北林学院学报,2017,32(1):244-247.
[15] 周熊,多化琼,王振柱,等. 基于图像处理和SVM探索木材与树皮的新识别参数[J].西北林学院学报,2014,29(5):199-202.

备注/Memo

备注/Memo:
收稿日期:2017-07-18
作者简介:吴啸天(1995-),男,在校本科生。
更新日期/Last Update: 2017-10-25