發(fā)布時(shí)間：2024-05-20 21:02

　　針對(duì)魚類識(shí)別面臨著光照強(qiáng)度、各背景棲息地的變化和不同物種在視覺上具有相似性等方面的問題,提出一種新的基于多特征相結(jié)合及粒子群優(yōu)化SVM的魚類分類方法。該方法采用在原始圖像中提取顏色、方向梯度直方圖(HOG)和灰度共生矩陣(GLCM)特征構(gòu)成特征向量,并提出選擇設(shè)置最佳權(quán)重比的方法進(jìn)行特征融合,采用PCA技術(shù)對(duì)提取的特征向量進(jìn)行降維,以消除冗余數(shù)據(jù)。結(jié)果表明,該方法在實(shí)際采集的數(shù)據(jù)集上的準(zhǔn)確率達(dá)94.7%,同屬類魚識(shí)別最高準(zhǔn)確率93.75%,該方法可以應(yīng)用于實(shí)際的魚類圖像數(shù)據(jù)集,實(shí)現(xiàn)對(duì)魚類生物多樣性的有效監(jiān)測(cè)。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 材料方法
    1.1 算法流程
    1.2 顏色特征提取
    1.3 方向梯度直方圖
    1.4 灰度共生矩陣
    1.5 特征融合
    1.6 粒子群優(yōu)化支持向量機(jī)
2 試驗(yàn)材料及條件
    2.1 使用的魚類圖像集
    2.2 試驗(yàn)環(huán)境
3 試驗(yàn)過程及結(jié)果
    3.1 特征權(quán)重對(duì)比試驗(yàn)
    3.2 分類方法對(duì)比試驗(yàn)
        3.2.1 不同分類方法對(duì)比試驗(yàn)
        3.2.2 同屬類與不同屬類分類結(jié)果
4 總結(jié)



本文編號(hào)：3979113