English

Journal of Chinese Agricultural Mechanization

Journal of Chinese Agricultural Mechanization ›› 2020, Vol. 41 ›› Issue (11): 113-118+170.DOI: 10.13733/j.jcam.issn.2095-5553.2020.11.018

Previous Articles     Next Articles

  

  • Online:2020-11-15 Published:2020-11-15

基于粒子群优化SVM和多特征融合的鱼类分类方法研究

丁顺荣;肖珂;   

  1. 河北农业大学信息科学与技术学院;
  • 基金资助:
    国家自然科学基金(31801782)

摘要: 针对鱼类识别面临着光照强度、各背景栖息地的变化和不同物种在视觉上具有相似性等方面的问题,提出一种新的基于多特征相结合及粒子群优化SVM的鱼类分类方法。该方法采用在原始图像中提取颜色、方向梯度直方图(HOG)和灰度共生矩阵(GLCM)特征构成特征向量,并提出选择设置最佳权重比的方法进行特征融合,采用PCA技术对提取的特征向量进行降维,以消除冗余数据。结果表明,该方法在实际采集的数据集上的准确率达94.7%,同属类鱼识别最高准确率93.75%,该方法可以应用于实际的鱼类图像数据集,实现对鱼类生物多样性的有效监测。

关键词: 鱼类识别;特征融合;粒子群优化;支持向量机

CLC Number: