文献

J-GLOBAL ID：201802252957687249   整理番号：18A0447888

組合せ特徴アプローチ:画像処理ベースの葉病分類のための性能改善【Powered by NICT】

Combinational feature approach: Performance improvement for image processing based leaf disease classification

著者 (3件)： Goswami Manisha (Department of Computer Science and Engineering, Govt. Women Engineering College, Ajmer, Rajasthan) ,  Maheshwari Saurabh (Dept. of Computer Science and Engineering, Govt. Women Engineering College, Ajmer, Rajasthan) ,  Poonia Amarjeet (Dept. of Computer Science and Engineering, Govt. Women Engineering College, Ajmer, Rajasthan)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ISPCC  ページ： 568-574  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 植物疾患は生産損失農作物の主な理由である。植物における葉の疾患はfungai,ウイルスと細菌のために起こる。画像分類に使用される種々の重要な特徴を含んでいる。本論文では,最初に疾患を検出,抽出された特徴を用いた疾患を分類した。五病葉(黒腐病,黒麻疹,葉枯病,Septoria葉枯病,斑点細菌病)を,健康な葉画像,葉を同定した疾患または健康な,葉は,疾患の種類を分類する疾患である。カラー特徴平均,標準偏差,歪度および尖度は,スポットの大きさを同定するために計算領域に基づく形状特徴を計算した。テクスチャ特徴は,GLCMにおける距離と45°の角度変化を用いた画像のテクスチャを同定するグレーレベル共起行列(GLCM)を用いて計算した。抽出された特徴は,訓練されたフィードフォワードニューラルネットワークに送られ,個別に色,形状とテクスチャ特徴を有する疾患分類と全ての特徴の組合せを用いて,色,形状とテクスチャ特徴の組み合わせは,分類精度の性能を改善することを観測した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *画像 ,  形態 ,  葉枯病 ,  *画像処理 ,  細菌
準シソーラス用語： 分類精度 ,  フィードフォワードニューラルネットワーク ,  共起行列 ,  質感 ,  同時生起行列 ,  テクスチャ特徴 ,  形状特徴 ,  色特徴 ,  黒腐病 ,  画像分類 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 組合せ ,  画像処理 ,  葉 ,  分類 ,  性能改善