基于光谱和Gabor纹理信息融合的油桃品种识别

作者：苗荣慧; 黄锋华; 杨华; 邓雪峰; 陈晓倩

来源：江苏农业科学, 2019, 47(06): 174-178.

DOI：10.15889/j.issn.1002-1302.2019.06.040

• 油桃品种识别
• 光谱信息
• Gabor纹理信息
• 主成分分析
• 最小二乘支持向量机
• 极限学习机

为实现油桃品种的快速且无损鉴别,对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中,采用偏最小二乘回归(partial least squares regression,简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中,采用主成分分析(principal component analysis,简称PCA)获得主成分图像,并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine,简称LS-SVM)和极限学习机(extreme learning machine,简称ELM)油桃品种判别模型。结果表明,基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%,较单独采用光谱信息和纹理信息的识别率都高,说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别,为农产品无损检测提供参考价值。

• 单位
  西北农林科技大学; 山西农业大学