基于改进证据理论在复杂场景下的植物图像分类的方法

摘要

本发明公开了一种基于改进证据理论在复杂场景下的植物图像分类的方法，包活：利用灰度直方图特征的RST不变性、GLCM的空间相关特性和小波变换的多分辨率分析分别对植物图像进行特征提取，通过初步决策获得各自的基本概率分布(BPA)。使用改进证据理论融合信息，选择融合下的最大假设。在D‑S证据理论中提出了信任库仑力(BCF)的概念，其中信任函数的电荷量的概念是利用改进deng熵的方法解决的，信任函数之间距离的概念是利用证据之间的相关性解决的。提出的BCF旨在从电磁学的角度分析多源信息融合的过程，从而为解决证据理论问题提供新的见解。在图像分类和故障诊断的应用中证明了本方法的有效性。