买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京邮电大学

摘要：本发明公开了一种改进Gabor与HOG的自适应加权多特征融合的植物叶片识别方法，首先对图像进行预处理，然后对Gabor算法中的Gabor滤波器进行改进，再利用改进后的Gabor算法和HOG算法对预处理后的图像分别进行特征提取，得到Gabor和HOG特征向量，并将两个特征向量自适应加权融合后进行降维处理，再使用SVM的组合核函数进行分类训练，输出识别结果。该发明可以广泛应用于机器视觉领域中复杂环境下的植物叶片识别，弥补了对植物叶片信息描述的不足，从而达到植物叶片识别的准确性的目的，有非常广阔的应用场景。

主权项：1.改进Gabor与HOG的自适应加权多特征融合的植物叶片识别方法，其特征在于，该方法的具体步骤如下：步骤1，对采集到的植物叶片图像进行预处理；步骤2，利用改进Gabor算法和HOG算法对预处理后的图像分别进行特征提取，得到Gabor特征向量和HOG特征向量，并将两个特征向量自适应加权融合；步骤3，采用核主成分分析KPCA对步骤2融合后的特征向量进行降维；步骤4，对径向基核函数和多项式核函数进行线性组合，使用组合后的核函数作为SVM分类器的核函数，利用步骤3降维后的特征向量对SVM分类器进行训练；步骤5，利用步骤4训练好的SVM分类器进行植物叶片识别；所述步骤2中改进Gabor算法是指对Gabor滤波器进行改进改进后的Gabor滤波器的x′和y′坐标为：y′＝ycosθ-xsinθx′＝xcosθ+ysinθ+lycosθ-xsinθ3其中，x表示图像中某一像素点的横坐标，y表示图像中某一像素点的纵坐标，θ表示Gabor核函数的方向，l表示曲度系数；所述步骤2中的自适应加权融合后的特征向量ν表示为：ν＝ωGβG+ωHβH其中，βG表示Gabor特征向量，βH表示HOG特征向量，ωG和ωH分别表示βG和βH对应的融合权值系数，ωG+ωH＝1；融合权值系数ωm的计算公式如下：ωm＝LmzLGz+LHz其中，m＝G,H；βG表示Gabor特征向量，βH表示HOG特征向量；Robj为图像中h×w的矩形目标区域，该目标区域涵盖图像中的所有植物叶片；δ·为Kroneckerdelta函数，az-βm表示判断z像素点是否属于βm，如果属于，则az-βm＝0，δaz-βm取值为1，否则δaz-βm取值为0；pG表示目标区域内Gabor特征向量的概率密度函数，pH表示目标区域内HOG特征向量的概率密度函数。

全文数据：

权利要求：

百度查询： 南京邮电大学 改进Gabor与HOG的自适应加权多特征融合的植物叶片识别方法