基于光谱和Gabor纹理信息融合的油桃品种识别

来源：江苏农业科学杂志2019年第第06期北京时间：

作者：苗荣慧; 黄锋华; 杨华; 邓雪峰; 陈晓倩

单位：1.山西农业大学信息科学与工程学院，山西太谷 030801； 2.西北农林科技大学信息工程学院，陕西杨凌 712100

摘要：为实现油桃品种的快速且无损鉴别，对油桃高光谱图像中的光谱和图像信息进行分析。在光谱信息提取中，采用偏最小二乘回归(partial least squares regression，简称PLSR)从全波段光谱数据提取9个特征波长。在图像信息获取中，采用主成分分析(principal component analysis，简称PCA)获得主成分图像，并提取主成分图像的Gabor纹理特征。分别建立基于特征波长光谱特征、主成分图像纹理特征和光谱纹理特征融合的最小二乘支持向量机(least squares support vector machine，简称LS-SVM)和极限学习机(extreme learning machine，简称ELM)油桃品种判别模型。结果表明，基于融合特征的LS-SVM和ELM模型识别率分别为94.7%、92.1%，较单独采用光谱信息和纹理信息的识别率都高，说明采用光谱信息和Gabor纹理信息融合的方法可以实现油桃品种判别，为农产品无损检测提供参考价值。

关键词：油桃品种识别;光谱信息;Gabor纹理信息;主成分分析;最小二乘支持向量机;极限学习机

基金资助：国家自然科学基金(编号：31671571)；山西农业大学青年科技创新基金(编号：2017013)。