CAJ | 학술논문

提出了一种利用多光谱图像纹理特征进行大米分类的新方法.图像由MS3100-3CCD光谱成像仪获得,光谱成像仪提供3个波段的图像,由近红外(NIR)、红色(R)和绿色(G)组成,因此它能够获取普通数码照相机所不能获取的信息.对3CCD近红外波段图像进行二层小波包分解,得到16个子频带,因为纹理图像的特征信息主要集中在中频,因此提取8个中频频带(带通频带)的熵值,并且作为支持向量机的特征值输入.最后应用支持向量机技术分别对有和没有经过小波包分解的NIR波段纹理图像的熵值进行建模,建模样本和预测模型各为80个,每种各为20个.对四种大米进行处理,结果表明,经过小波包分解的纹理图像的识别率达到了100%,而没有经过小波包分解的纹理图像的识别率只有93.75%,说明结合小波包和支持向量机进行多光谱图像的纹理识别是种非常有效的技术,同时也为大米的分类提供一种快速和无损的新方法.
제출료일충이용다광보도상문리특정진행대미분류적신방법.도상유MS3100-3CCD광보성상의획득,광보성상의제공3개파단적도상,유근홍외(NIR)、홍색(R)화록색(G)조성,인차타능구획취보통수마조상궤소불능획취적신식.대3CCD근홍외파단도상진행이층소파포분해,득도16개자빈대,인위문리도상적특정신식주요집중재중빈,인차제취8개중빈빈대(대통빈대)적적치,병차작위지지향량궤적특정치수입.최후응용지지향량궤기술분별대유화몰유경과소파포분해적NIR파단문리도상적적치진행건모,건모양본화예측모형각위80개,매충각위20개.대사충대미진행처리,결과표명,경과소파포분해적문리도상적식별솔체도료100%,이몰유경과소파포분해적문리도상적식별솔지유93.75%,설명결합소파포화지지향량궤진행다광보도상적문리식별시충비상유효적기술,동시야위대미적분류제공일충쾌속화무손적신방법.