基于SVM-KNN茶叶图像纹理分类

作     者：燕娅 周晓锋 汤哲 张立 陈华荣 周建勇 YAN Ya;ZHOU Xiao-feng;TANG Zhe;ZHANG Li;CHEN Hua-rong;ZHOU Jian-yong

作者机构：中南大学软件学院湖南长沙410075 长沙湘丰智能装备股份有限公司湖南长沙410100 

出 版 物：《中国茶叶加工》 (China Tea Processing)

年 卷 期：2016年第6期

页      面：5-9页

学科分类：08[工学] 080203[工学-机械设计及理论] 09[农学] 090203[农学-茶学] 0802[工学-机械工程] 0902[农学-园艺学] 

基　　金：国家自然科学基金(31470028) 湖南省战略性新兴产业科技攻关项目(2014GK1020) 

主　　题：纹理特征 支持向量机 KNN SVM-KNN 茶叶图像分类 

摘      要：机采茶鲜叶的叶和芽混合,利用茶叶图像纹理特征对茶鲜叶进行分类,分类之后再加工有助于提高茶叶的质量和市场价值。支持向量机SVM是一种专门针对小样本、非线性、高维特征的经典分类算法,但对于茶叶这类自然图片在分界面附近的测试点容易出错。KNN是一种简单而经典的分类算法,核心在于向量间距离的计算,论文提出欧式距离和余弦相似度结合的方式作为KNN新的距离计算公式。改进的KNN与SVM结合起来,形成SVM-KNN算法应用于茶叶图像的纹理特征分类的研究中,并分析SVM-KNN的时间复杂度。对比实验表明,SVMKNN算法对茶叶图像纹理分类正确率有很大程度地提高,最高可达90%以上。