论文部分内容阅读
利用分形几何描述不规则形体的优势,分别研究稻种的轮廓与表面茸毛分布的分形特性,探讨了用两者的盒维数描述稻种的形状特征与纹理特征的可行性。研究结果表明,两者均具有分形特性。同时,将基于传统欧氏几何的形状、纹理特征与基于分形几何的盒维数相结合构成特征向量作为径向基函数(RBF)神经网络的输入,使识别正确率明显提高。