基于卷積神經(jīng)網(wǎng)絡(luò)的花卉圖像分類算法的研究.pdf

1、隨著電子技術(shù)的迅速發(fā)展，人們使用便攜數(shù)碼設(shè)備（如手機、相機等）獲取花卉圖像越來越方便，如何自動識別花卉種類受到了廣泛的關(guān)注。由于花卉所處背景的復(fù)雜性，以及花卉自身的類間相似性和類內(nèi)多樣性，利用傳統(tǒng)的手工提取特征進行圖像分類的方法，并不能很好地解決花卉圖像分類這一問題。本文提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)(Convolutional neural network，CNN)的花卉圖像分類算法:首先對原始圖像進行預(yù)處理以確定花卉區(qū)域;然后采用卷積神

2、經(jīng)網(wǎng)絡(luò)自動完成特征學(xué)習(xí)，得到更為全面的花卉圖像特征描述;最后利用支持向量機訓(xùn)練特征，并建立分類器，實現(xiàn)花卉圖像的分類。
　　本文所做工作如下:
　　(1)提出一種新的基于卷積神經(jīng)網(wǎng)絡(luò)的花卉圖像分類算法。與傳統(tǒng)圖像分類方法不同，卷積神經(jīng)網(wǎng)絡(luò)無需人工提取特征，可以根據(jù)輸入圖像，自動學(xué)習(xí)包含豐富語義信息的特征，得到更為全面的花卉圖像特征描述，可以很好地表達圖像的不同類別信息。
　　(2)提出基于原始圖像亮度圖和顯著圖的區(qū)域選

3、擇算法。日常拍攝的花卉圖像通常都包含復(fù)雜的背景，為了獲取更加理想的花卉分類效果，本文在卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，提出一種基于原始花卉圖像亮度圖和顯著圖的花卉區(qū)域選擇算法。其優(yōu)點在于，在對花卉圖像進行分類時，綜合利用花卉圖像的低層次特征（如顏色、亮度等）和視覺顯著性，可以獲得比傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)更好的分類效果。
　　(3)利用支持向量機訓(xùn)練分類器，實現(xiàn)花卉圖像的分類。由于本文的花卉圖像數(shù)據(jù)有限，提供給卷積神經(jīng)網(wǎng)絡(luò)訓(xùn)練的樣本不夠充分，容易造