您的位置: 专家智库 > >

贺鹏

作品数:3 被引量:39H指数:3
供职机构:西北农林科技大学信息工程学院更多>>
相关领域:自动化与计算机技术农业科学更多>>

文献类型

  • 2篇期刊文章
  • 1篇学位论文

领域

  • 3篇自动化与计算...
  • 1篇农业科学

主题

  • 2篇植物
  • 2篇植物叶
  • 2篇植物叶片
  • 2篇特征提取
  • 1篇叶片图像
  • 1篇神经网
  • 1篇神经网络
  • 1篇图像
  • 1篇网络
  • 1篇维数
  • 1篇纹理
  • 1篇纹理特征
  • 1篇阔叶
  • 1篇阔叶树
  • 1篇分形
  • 1篇分形维数
  • 1篇概率神经网络
  • 1篇PNN
  • 1篇BP

机构

  • 3篇西北农林科技...

作者

  • 3篇贺鹏
  • 2篇黄林
  • 1篇王经民

传媒

  • 1篇西北农林科技...
  • 1篇农机化研究

年份

  • 3篇2008
3 条 记 录,以下是 1-3
排序方式:
植物叶片特征提取及识别被引量:20
2008年
随着计算机技术的飞速发展,对植物的分类研究已经突破了单纯从植物细胞及化学遗传成分的角度去鉴定植物种类的方法,可以综合应用图像处理技术和模式识别技术,辅以图像获取设备实现对植物的快速识别。为此,精心选取了植物叶片图像的典型形状特征,构成了叶片识别的特征向量,然后用概率神经网络(PNN)作为分类器,对样本进行训练。实验结果证明,针对少量常见的植物叶片图像,PNN与BP神经网络相比有更好的识别效率。
贺鹏黄林
关键词:特征提取PNNBP
基于概率神经网络和分形的植物叶片机器识别研究被引量:11
2008年
【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足,使识别效率得到了较大的提高。
黄林贺鹏王经民
关键词:植物叶片概率神经网络分形维数特征提取
基于叶片综合特征的阔叶树机器识别研究
为了有效解决传统植物机器识别对象过宽泛、分类特征较单一且正确识别率较低的问题,提出一种专门针对阔叶树的机器识别方法。该方法将阔叶树叶片的形状特征与其纹理特征相结合,构成一个针对阔叶树叶片图像的综合特征向量,以期更为便捷、...
贺鹏
关键词:阔叶树纹理特征叶片图像
文献传递
共1页<1>
聚类工具0