基于D—S证据理论的决策级多特征融合苹果分级方法

针对单特征苹果分级的不确定性和低正确率,通过图像处理提取大小、形状、颜色和缺陷4类能反映苹果外观品质的主要特征,引入信息融合的思想,以单特征初步分级的结果作为证据,用D-S证据理论的方法进行决策级融合处理,实现苹果的多特征综合分级,进一步提高可靠性和分级正确率.80个测试样本的分级试验表明,苹果分级正确率达92.5％,与单特征分级相比,此方法正确识别率高、稳定性好、效果显著.     

基于SVM和D-S证据理论的多特征融合杂草识别方法

针对单一特征识别杂草的低准确率和低稳定性,提出一种支持向量机( SVM)和D-S证据理论相结合的多特征融合杂草识别方法.在对田间植物图像处理的基础上,提取植物叶片的颜色、形状和纹理等3类视觉特征,分别以3类单特征的SVM分类结果作为独立证据构造基本概率指派(BPA),运用D-S证据组合规则进行决策级融合,根据分类判决门...