纹理特征,茶叶,支持向量机,灰度共生矩阵,纹理滤波," /> 纹理特征,茶叶,支持向量机,灰度共生矩阵,纹理滤波,"/> 基于多光谱图像的不同品种绿茶的纹理识别
Please wait a minute...
浙江大学学报(工学版)
J4  2008, Vol. 42 Issue (12): 2131-2138    
论文     
基于多光谱图像的不同品种绿茶的纹理识别
1．浙江大学 生物系统工程学系，浙江 杭州 310029；2.厦门大学 物理系，福建 厦门 361005
 全文: PDF 
摘要：

为了提高茶叶加工的智能化水平，提出一种基于多光谱图像纹理分析的快速识别不同品种绿茶的方法.通过3CCD成像仪同时获得绿茶样本的红光、绿光和近红外三个通道的图像，采用灰度共生矩阵和纹理滤波相结合来提取图像纹理特征，分析了不同品种绿茶的各个通道图像的纹理特征.非监督聚类分析表明，基于组合方法提取的纹理特征优于仅依靠灰度共生矩阵得到的纹理特征.优化和筛选后得到10个特征参数作为支持向量机模型的输入，建立模式识别模型.结果表明，对于126个建模样本的识别正确率达到94.4％，对于未知64个预测样本的识别正确率达到93.8％，说明提出的组合纹理特征提取和模式识别方法能够较好地识别不同品种的绿茶.
关键词： 纹理特征')" href="#">纹理特征;  茶叶;  支持向量机;  灰度共生矩阵;  纹理滤波    
出版日期: 2008-12-02
基金资助:

国家“863”高技术研究发展计划资助项目（2007AA10Z210）; 国家自然科学基金资助项目（30671213，60605011）；高等学校优秀青年教师教学科研奖励计划资助项目（02411）.
通讯作者: 何勇，男，教授，博导. E-mail: yhe@zju.edu.cn   
作者简介: 李晓丽（1982-），女，四川广安人，博士生，主要从事基于光谱技术和机器视觉的茶叶品质无损检测技术的研究.E-mail: polyphenols@yahoo.cn
服务　　
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章　　
李晓丽
何勇
裘正军
吴迪
陈孝敬

引用本文:

李晓丽 何勇 裘正军 吴迪 陈孝敬. 基于多光谱图像的不同品种绿茶的纹理识别[J]. J4, 2008, 42(12): 2131-2138.

LI Xiao-Li, HE Yong, QIU Zheng-Jun, TUN Di, CHEN Xiao-Jing. . J4, 2008, 42(12): 2131-2138.

链接本文:

http://www.zjujournals.com/xueshu/eng/CN/    或    http://www.zjujournals.com/xueshu/eng/CN/Y2008/V42/I12/2131

[1] 袁红, 王波, 王丽, 许睦旬. 以轮廓为对象的体态特征情绪分类与预测[J]. 浙江大学学报(工学版), 2018, 52(1): 160-165.
[2] 尤海辉, 马增益, 唐义军, 王月兰, 郑林, 俞钟, 吉澄军. 循环流化床入炉垃圾热值软测量[J]. 浙江大学学报(工学版), 2017, 51(6): 1163-1172.
[3] 朱东阳, 沈静逸, 黄炜平, 梁军. 基于主动学习和加权支持向量机的工业故障识别[J]. 浙江大学学报(工学版), 2017, 51(4): 697-705.
[4] 廖苗, 赵于前, 曾业战, 黄忠朝, 张丙奎, 邹北骥. 基于支持向量机和椭圆拟合的细胞图像自动分割[J]. 浙江大学学报(工学版), 2017, 51(4): 722-728.
[5] 谢罗峰, 徐慧宁, 黄沁元, 赵越, 殷国富. 应用双树复小波包和NCA-LSSVM检测磁瓦内部缺陷[J]. 浙江大学学报(工学版), 2017, 51(1): 184-191.
[6] 钟崴, 彭梁, 周永刚, 徐剑, 从飞云. 基于小波包分析和支持向量机的锅炉结渣诊断[J]. 浙江大学学报(工学版), 2016, 50(8): 1499-1506.
[7] 陈大伟, 姚拴宝, 刘韶庆, 郭迪龙. 高速列车头型气动反设计方法[J]. 浙江大学学报(工学版), 2016, 50(4): 631-640.
[8] 赵凌, 黄平捷, 刘宝玲, 赵树浩, 侯迪波, 张光新. 多层导电结构内部状态脉冲涡流检测分析方法[J]. 浙江大学学报(工学版), 2016, 50(4): 603-608.
[9] 冯培恩, 彭贝, 高宇, 邱清盈. 液压挖掘机作业循环阶段的智能识别[J]. 浙江大学学报(工学版), 2016, 50(2): 209-217.
[10] 潘翔,童伟淮,张三元,郑河荣. 结合语义本体与泊松方程的动画角色模型分割[J]. 浙江大学学报(工学版), 2015, 49(9): 1634-1641.
[11] 黄发明, 殷坤龙, 张桂荣, 唐志政, 张俊. 多变量PSO-SVM模型预测滑坡地下水位[J]. 浙江大学学报(工学版), 2015, 49(6): 1193-1200.
[12] 谭海龙, 刘康玲, 金鑫, 石向荣, 梁军. 基于μσ-DWC特征和树结构M-SVM的多维时间序列分类[J]. 浙江大学学报(工学版), 2015, 49(6): 1061-1069.
[13] 程健, 项志宇, 于海滨, 刘济林. 城市复杂环境下基于三维激光雷达实时车辆检测[J]. 浙江大学学报(工学版), 2014, 48(12): 2101-2106.
[14] 汪开灿,许霁,翟国富. 基于电磁超声的铝板缺陷识别方法[J]. 浙江大学学报(工学版), 2014, 48(11): 2031-2038.
[15] 彭令,牛瑞卿,吴婷. 时间序列分析与支持向量机的滑坡位移预测[J]. J4, 2013, 47(9): 1672-1679.