排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
为了提高马铃薯高光谱图像的滤波效果,降低马铃薯外部损伤检测模型的错误率和误判率,采用小波递推最小二乘滤波算法对马铃薯高光谱图像进行去噪.该算法先对经过主成分分析的马铃薯高光谱图像进行4尺度的小波变换,并将得到的二维小波变换系数集成为一个单一的一维重构向量,利用此向量的系数重构分辨率更高的图像,再将经过小波逆变换的图像使用递推最小二乘滤波算法进行滤波,得到结果图像;同时与改变噪声类型的滤波效果、采用维纳滤波和递推最小二乘滤波算法对马铃薯高光谱图像的滤波效果进行对比.结果表明:该滤波算法对高斯和椒盐噪声均具有良好的滤波效果;与采用维纳滤波算法和递推最小二乘滤波算法相比,滤波效果明显,对提高马铃薯外部损伤检测模型的正确率和识别率具有促进作用. 相似文献
2.
探索利用高光谱成像技术识别马铃薯外部损伤的方法。对外部冻伤、机械损伤、摔伤和正常4类共162个马铃薯样本进行高光谱成像试验,对试验得到的原始数据进行主成分分析以实现数据降维,从降维后的特征图像中提取均值、标准差、平滑度、三阶矩、一致性、熵6个描绘子组成特征向量,把特征向量分别输入贝叶斯分类器、BP神经网络和SVM神经网络3个模型进行识别,结果贝叶斯分类器模型对冻伤和机械损伤两类马铃薯相互误判严重,BP神经网络模型对机械损伤类马铃薯识别率低,而SVM神经网络模型较前两个模型的识别率有明显提高,是最为适合的马铃薯外部损伤识别模型。 相似文献
3.
1