摘要
本发明公开了一种基于图像技术的林木育种品质检测方法,具体涉及图像识别处理技术领域,用于解决现有方法在跨物种检测中因树种器官形态差异引起的特征偏移、误检和漏检问题;首先利用卷积神经网络从不同树种图像中提取叶片形态和枝干纹理信息,构成初步特征集合;再采用聚类划分算法结合设定阈值,对跨物种通用特征相似度进行判断;当相似度高于预设阈值时,针对器官形态差异显著的树种,通过可转向金字塔分解提取多尺度方向纹理特征,并构造方向协方差矩阵,再利用谱聚类方法进行非线性分析,识别不常规方向性变化特征;最后,通过多模态特征融合和支持向量机分类,实现对不同树种林木育种品质的准确检测。
技术关键词
品质检测方法
纹理特征
林木
通用特征
协方差矩阵
谱聚类方法
多模态特征融合
图像
划分算法
阈值判定方法
形态
多尺度
非线性
支持向量机分类
金字塔
特征值
叶片
高维特征向量
系统为您推荐了相关专利信息
交互式多模型算法
跟踪方法
运动状态参数
扩展卡尔曼滤波
交互模型
分子泵电机
协方差矩阵
递推最小二乘法
参数
卡尔曼滤波器
集成机器学习
高分遥感影像
矿山环境
解译方法
样本
位姿误差
误差预测
电子水平仪
机床运动部件
卡尔曼滤波算法