HI,欢迎来到学术之家,发表咨询:400-888-7501  订阅咨询:400-888-7502  股权代码  102064
0

基于SIFT与SVM的钉螺数字图像识别

作者:严深海; 黄贤通通用对象类识别尺度不变特征变换聚类支持向量机钉螺

摘要:监测与控制钉螺生长区域,对有效控制血吸虫病疫情的传播和蔓延作用十分重要.采用数字图像识别技术,可以高效地实现对钉螺生长区域的监控.面对杂乱、图像部分遮挡、光照变化等复杂背景下的钉螺数字图像识剐,提出了解决方案:首先,提取钉螺数字图像的SIFT特征向量集;然后,应用K均值聚类获取更具代表性的特征子集,作为分类器的训练样本集;最后,通过支持向量机方法获得分类器,用于识别钉螺数字图像.实验结果表明,提出的方法能够获得较好的识别效果.

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

赣南师范大学学报

《赣南师范大学学报》(CN:36-1346/C)是一本有较高学术价值的大型双月刊,自创刊以来,选题新奇而不失报道广度,服务大众而不失理论高度。颇受业界和广大读者的关注和好评。 《赣南师范学院学报》坚持正确的办刊方向以马列主义、思想、邓小平理论和“三个代表”重要思想为指导思想,贯彻“双百方针”;发扬学术民主,促进科学研究,交流科研成果;服务于学科建设,着力培养学术新人。

杂志详情