基于小波描述子的水果果形分类

水果果形是水果分级的重要指标之一,该文提出了一种基于小波描述子的水果果形分类方法.通过提取水果轮廓计算出半径序列,并进行归一化处理,对归一化后的半径序列进行小波变换提取小波描述子;分别截取小波描述子12、20、36和67个系数点对水果边界进行重建.结果表明：用36个系数点就可较好地重建果形,匹配率为98.64%,用67个系数点可达相当高的精度,为99.96%;选取36个系数点作为果形特征,并运用核主成分分析（KPCA）提取分类所需的7个主要特征输入径向基函数（radial basis function,RBF）神经网络进行分类,发现该方法分级准确率可达90%,效果优于傅里叶描述子,是一种有效地...

Full description

Saved in:
Bibliographic Details
Published inZhejiang daxue xue bao. Journal of Zhejiang University. Agriculture and life sciences. Nong ye yu sheng ming ke xue ban Vol. 36; no. 3; pp. 322 - 328
Main Author 刘仰龙 王从庆 高珏 许荣华
Format Journal Article
LanguageChinese
Published 南京航空航天大学,自动化学院,江苏,南京,210016%扬州福尔喜果蔬汁机械有限公司,江苏,扬州,225105 2010
Subjects
小波变换
小波描述子
果形分析
水果分级
小波变换
小波描述子
果形分析
水果分级
Online AccessGet full text
ISSN1008-9209
DOI10.3785/j.issn.1008-9209.2010.03.014

Cover

More Information
Summary:水果果形是水果分级的重要指标之一,该文提出了一种基于小波描述子的水果果形分类方法.通过提取水果轮廓计算出半径序列,并进行归一化处理,对归一化后的半径序列进行小波变换提取小波描述子;分别截取小波描述子12、20、36和67个系数点对水果边界进行重建.结果表明：用36个系数点就可较好地重建果形,匹配率为98.64%,用67个系数点可达相当高的精度,为99.96%;选取36个系数点作为果形特征,并运用核主成分分析（KPCA）提取分类所需的7个主要特征输入径向基函数（radial basis function,RBF）神经网络进行分类,发现该方法分级准确率可达90%,效果优于傅里叶描述子,是一种有效地描述水果果形的方法.
Bibliography:fruit grading
S661.1
wavelet transform
fruit grading; fruit shape analysis; wavelet transform; wavelet descriptor
33-1247/S
wavelet descriptor
fruit shape analysis
TP391.4
ISSN:1008-9209
DOI:10.3785/j.issn.1008-9209.2010.03.014