基于葉片圖像的植物識別方法研究.pdf

1、植物識別在維護(hù)植物物種多樣性、植物資源開發(fā)與利用等領(lǐng)域均有著舉足輕重的作用。傳統(tǒng)的植物識別方法要求操作者擁有扎實(shí)的專業(yè)知識，并且往往存在著工作量大、工作效率低等問題。利用數(shù)字圖像處理技術(shù)進(jìn)行植物物種的自動識別成為植物識別領(lǐng)域的研究熱點(diǎn)。植物葉片作為植物的重要器官，它具有二維結(jié)構(gòu)且易于進(jìn)行數(shù)字圖像采集。因此，在植物自動識別方法的研究之中，葉片常常被作為首選的參考器官。
　　論文從葉片圖像預(yù)處理、特征提取和分類器設(shè)計(jì)三個方面對基于葉片

2、圖像的植物識別方法進(jìn)行了研究與改進(jìn)。在葉片圖像預(yù)處理階段，詳細(xì)介紹了植物葉片圖像的灰度化處理、植物葉片圖像的分割、植物葉片圖像的形態(tài)學(xué)處理、植物葉片的邊界提取及位置歸一化方法。為解決具有復(fù)雜背景的植物葉片圖像分割，本文采用了一種半自動交互式的圖像分割方法。相較于傳統(tǒng)的閾值分割方法，半自動交互式圖像分割方法對具有復(fù)雜背景的植物葉片圖像能夠取得理想的分割效果。在植物葉片特征提取階段，利用植物葉片的幾何特征與紋理特征相組合的方法對植物葉片進(jìn)行

3、特征提取操作。其中植物葉片的區(qū)域幾何特征由不變矩特征和若干個葉片幾何描述參數(shù)共同構(gòu)成，紋理特征則利用灰度共生矩陣進(jìn)行提取。在分類器設(shè)計(jì)階段，將集成學(xué)習(xí)算法應(yīng)用于植物葉片分類器的訓(xùn)練。針對植物葉片識別這個多類別分類問題，提出了一種新型的神經(jīng)網(wǎng)絡(luò)集成分類器算法。在 Flavia葉片數(shù)據(jù)庫中選取20類葉片圖像，每類30張，共計(jì)600張圖片進(jìn)行實(shí)驗(yàn)。基于神經(jīng)網(wǎng)絡(luò)集成的植物葉片識別方法的平均識別精度為91％。與其它分類器算法相比，試驗(yàn)結(jié)果表明集成