10.3969/j.issn.1000-386x.2020.10.037
基于(2D)2-PCANet的种子图像识别
PCA算法采用一维向量计算协方差矩阵,再求特征向量,不仅计算量大,而且会破坏图像的二维结构.为此对PCANet进行改进,提出(2D)2-PCANet.该网络采用(2D)2-PCA算法计算特征模板,利用二维图像矩阵计算协方差矩阵,然后求特征向量.相比PCA算法,不仅计算量小,而且会保留更多图像的二维关系.使用(2D)2-PCANet和PCANet在杂草种子图像数据集上进行实验,结果表明,相比PCANet,该算法取得了更高的识别率,最高为97.04％.进一步采用稀疏正交交换法,通过减小每层图像的重构误差来训练特征模板,相比未进行特征模板训练的网络,识别率提高了0.8％.
图像识别、深度卷积网络、特征模板、(2D)2-PCA、二维关系、特征训练
37
TP391(计算技术、计算机技术)
2020-11-03（万方平台首次上网日期，不代表论文的发表时间）
共7页
232-238
