摘要：针对马铃薯表面灰度不均匀、纹理复杂不易定位的问题,通过采集类Haar(Haar-like)、局部二值模式(Local Binary Pattern,LBP)和方向梯度直方图(Histogramof Oriented Gradient,HOG),提出了基于级联自适应提升(Cascade Adaptive Boosting,Cascade Adaboost)分类器的马铃薯定位方法。同时,针对背景区域易误判为马铃薯区域的问题,提出了一种候选区域二次筛选法。结果表明:优化后,利用训练好的类Haar+Cascade Adaboost分类器、LBP+Cascade Adaboost分类器和HOG+Cascade Adaboost分类器对测试集马铃薯图像进行测试,其检出率、虚警率、总体识别率分别为1.7%、0.8%、97.2%;95.9%、0.0%、98.9%和86.7%、3.5%、93.9%;耗时分别为8.2、7.5和30.3ms。这说明基于级联自适应提升(Cascade Adaptive Boosting,Cascade Adaboost)分类器的马铃薯定位方法,可快速准确定位运动中的马铃薯目标,其中LBP+Cascade Adaboost分类器的效果最优。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社