论文部分内容阅读
[目的]为了进一步提高稻飞虱图像分类的效率,本文提出一种基于特征优化的稻飞虱图像分类算法。[方法]对采集到的原始昆虫图像进行阈值分割、形态学滤波以及边缘跟踪来获取完整的昆虫彩色背部图像,同时基于该图像集提取昆虫的形态、颜色以及纹理特征66个,结合F-score特征评价方法,筛选出10个特征参数作为最优特征子集,并将其作为BP神经网络的输入特征值。[结果]当采用全部66个特征作为输入特征值时,稻飞虱图像的分类准确率达到96.19%;当采用最优特征子集作为输入特征值时,稻飞虱图像的分类准确率也为96.1