本文主要研究内容
作者刘彩玲,岳荷荷（2019）在《基于局部金字塔描述算子的杂草种子识别》一文中研究指出：基于P-SIFT和P-SURF描述算子来研究杂草种子图像的自动识别性能,其中每个图像分片均使用多层次的描述算子细节表示,这些层次依据局部空间合并分辨率定义。在特征提取部分采用三种编码技术,即BOW模型,Locality-Constrained Linear Coding算法和Fisher Vector模型来提高分类性能;在分类部分采用Sparse Representation Classifier (SRC),Label Consistent K-SVD (LC-KSVD)和SVM分类器,其中SVM使用RBF和Histogram Intersection Kernel核函数。P-SIFT和P-SURF描述算子在使用三层空间金字塔和三层特征金字塔时取得了最高89.7%和86.2%的识别率,与SIFT和SURF描述算子相比较识别率有了很大提高。实验结果表明,在传统的局部描述算子基础上,基于特征金字塔描述算子来提取特征和基于空间金字塔来合并特征可以提高分类性能。
Abstract
ji yu P-SIFThe P-SURFmiao shu suan zi lai yan jiu za cao chong zi tu xiang de zi dong shi bie xing neng ,ji zhong mei ge tu xiang fen pian jun shi yong duo ceng ci de miao shu suan zi xi jie biao shi ,zhe xie ceng ci yi ju ju bu kong jian ge bing fen bian lv ding yi 。zai te zheng di qu bu fen cai yong san chong bian ma ji shu ,ji BOWmo xing ,Locality-Constrained Linear Codingsuan fa he Fisher Vectormo xing lai di gao fen lei xing neng ;zai fen lei bu fen cai yong Sparse Representation Classifier (SRC),Label Consistent K-SVD (LC-KSVD)he SVMfen lei qi ,ji zhong SVMshi yong RBFhe Histogram Intersection Kernelhe han shu 。P-SIFThe P-SURFmiao shu suan zi zai shi yong san ceng kong jian jin zi da he san ceng te zheng jin zi da shi qu de le zui gao 89.7%he 86.2%de shi bie lv ,yu SIFThe SURFmiao shu suan zi xiang bi jiao shi bie lv you le hen da di gao 。shi yan jie guo biao ming ,zai chuan tong de ju bu miao shu suan zi ji chu shang ,ji yu te zheng jin zi da miao shu suan zi lai di qu te zheng he ji yu kong jian jin zi da lai ge bing te zheng ke yi di gao fen lei xing neng 。
论文参考文献
论文详细介绍
论文作者分别是来自物联网技术的刘彩玲,岳荷荷，发表于刊物物联网技术2019年11期论文，是一篇关于种子识别论文,分类论文,多分辨率金字塔论文,编码技术论文,描述算子论文,识别率论文,物联网技术2019年11期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自物联网技术2019年11期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：种子识别论文; 分类论文; 多分辨率金字塔论文; 编码技术论文; 描述算子论文; 识别率论文; 物联网技术2019年11期论文;