流形與凸包建模的植物圖像集分類算法研究.pdf

1、植物分類學是一門研究植物界不同物種的起源、親緣關系、以及進化發(fā)展的基礎學科。隨著模式識別技術的快速發(fā)展，植物圖像識別技術在植物分類學中起到了重要的輔助作用，給科研生產帶來了極大的便利。
　　傳統(tǒng)的基于植物圖像分類技術在提取完圖像的多種特征后，往往都是采用基于單樣本的分類器進行分類識別。由于同類植物在不同環(huán)境﹑時間﹑溫度等狀態(tài)下的特征表現(xiàn)也不相同，即使同株植物其葉﹑花等特征也會有較大差異，因此基于單張圖像的分類技術將有很大的局限性。

2、在數(shù)字采集設備十分普及的今天，人們已經可以很容易的獲取大量植物圖像樣本，每一類物種的大量圖像組成一個圖像集。由于每類圖像集包含了此類植物的多種變化模式，因此能夠更有效的表示一類植物個體。與傳統(tǒng)的基于單樣本的植物圖像識別算法相比，基于植物圖像集的識別算法具有更好的魯棒性與性能。
　　本文首先在對植物圖像進行預處理之后，提取了多種圖像特征，在特征空間下對圖像集進行兩種建模。第一種把圖像集建模成非線性的流形，并在流形間距離的計算框架下，

3、提出一種基于流形間距離的植物圖像集分類算法。該算法首先使用層次聚類算法把流形建模為多線性子空間模型，然后使用主夾角度量線性模型對間的相似度，最后通過多種加權方式得到流形間的距離。通過在植物葉片圖像集上的實驗，對比了多種主夾角定義方式及加權方式在植物圖像集分類上的效果，并驗證了此方法在識別植物圖像集時具有很好的識別效果。
　　第二種，把圖像集建模成凸包，并提出了一種基于自適應多凸包的圖像集分類算法。解決了單凸包對于非凸數(shù)據(jù)的不合理建