基于HOG-CNN的高相似度叶片图像识别方法

作者：雷继呈; 杨晓滨; 罗道兴; 上官毅祥; 曾森灵

来源：计算机时代, 2019, (09): 53-56.

DOI：10.16644/j.cnki.cn33-1094/tp.2019.09.016

• 方向梯度直方图（HOG）
• 卷积神经网络（CNN）
• 多层感知器（MLP）
• 支持向量机（SVM）
• 图像识别

依赖特征工程的传统图像识别技术对高度相似叶片图像识别困难,对此提出一种融合方向梯度直方图(HOG)与卷积神经网络(CNN)的图像识别方法。首先由HOG算子提取叶片图像的局部纹理特征,然后将特征向量导入卷积神经网络进行训练、测试和输出分类结果。通过组合对比试验结果表明,该方法能够有效提高数据的鲁棒性,提高叶片图像的平均正确识别率,比多层感知器(MLP)和支持向量机(SVM)分类器的准确率提高了12%左右,平均准确率达到85%。

• 单位
  宁德职业技术学院