基于轮廓特征的植物叶片识别系统-论文.pdf

《基于轮廓特征的植物叶片识别系统-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、科技创新与应用I20l4年第31期科技创新基于轮廓特征的植物叶片识别系统普楠(苏州大学，江苏苏州215006)摘要：文章提出了一个基于图像识别的植物叶片识别系统，采用Opencv计算机视觉库在Android平台上进行嵌入式开发，通过调用移动设备摄像头对即时拍摄的150幅植物叶片照片进行物种识别。比较了包括cahny边缘检测和EM分割算法等方法，再通过自适应核的形态学操作进行后期处理，提取到较准确的叶片边缘轮廓信息。计算轮廓曲率并且统计成曲率直方图特征，最后通过SVM分类器，对特征进行分类，来达到对不同的植物叶片进行识别和分类。识别率较高，运算速度有待提升。关键词：图像处理；

2、形态学；EM算法；直方图比对；SVM；支持向量机引言我们初始化每个高斯模型在各自的期望中心附近分布，注意到模式识别技术被用于计算机视觉及图像处理领域，近些年得到公式中的系数为0．5，当采用两个相等权重的高斯分布时，从新图像了飞速的发展，吸引了世界上众多学者参与研究。如何提取或者测中读人数据，函数能收敛到相应的阈值。特征提取就通过EM分割，量叶子的特征是一个长期研究中的话题_1j。这使得模式识别在这个交替地使用每个像素估计当前参数，然后在使用新参数对像素点进领域的应用面临了一个新的挑战【1Il81。根据文献【2】，由计算机自动获行预测，从而更新和修正参数，反复迭代直至收敛。取

3、现存植物的数据的做法还没有被实施。我们将拍摄图片按比例缩放为400*400像素，比较了不同的采而目前国内外针对植物叶片形状特征中的轮廓特征，对植物叶样方式。首先，采取生成随机二维数组，作为采样像素点的横纵坐片轮廓提取的方法主要分为基于轮廓和基于区域131。文章通过对现标，采样点数为总像素数量的百分之一；其次，选择存储图像的矩阵场拍摄的植物叶片照片进行预处理，对比中使用的canny边缘检中，每隔10个像素点取一个采样点，从像素点(10，10)开始，同样采测，我们采用Expectation—Maximization算法对植物和背景进行图像样点数为总像素数量的百分之一。分~tJt

4、a，能在移动平台上以较快的速度获取相对更加准确的边缘信结果表明，采用第二种采样的方式更有利于初始分割图像的准息。结合文章提出的自适应核植物形态学开闭运算，以达到去除叶确性。其原因是拍摄者在对叶片进行拍摄时，主观的会将叶片置片茎的干扰，然后提取植物叶片边缘轮廓的曲率特征。于整幅图像的中心，而采用网格状取样方式，能对采样点的不同类关于特征的选择，虽然目前已经有许多方法，但大都使用了预型有一个全面的覆盖。定义的特征。而I9]中使用了一个移动中值中心超球面分类器，因为其然而对于光照产生的阴影和叶片上比较薄的部分，或者由于拍需要大量的迭代计算，不适合在移动平台上应用。相似的做法在中摄

5、摄像头像素过低，以至于照片模糊，有可能使得叶片边缘会有一也提出了。他们的另外一篇论文提出了一个用于叶片形状匹配的简些噪点，增加中值滤波，可以消除这一影响。单的动态规划算法，相对19]而言计算速度有一定提升。而文章采用采1．2使用形态学操作去除错误预测区域用的多尺度提取轮廓曲率信息，既能有很短的计算时间，通过实验在EM处理之后，每个像素点都根据其EM处理中和两个高筛选出最具代表性的尺度特征，相比采用”不变矩”或类似于多尺度斯之间的关系被认定为叶子或者是背景上的像素。这就导致了一开距离矩阵等尺度不变方法，不仅能保证识别的成功率，而且计算始的分割中有时候会存在因为不均衡的背景、阴

6、影或者图像巾多余量较小。的物体而产生错误预测区域。另外，图像中多余的边缘信息也会导以上的很多方法都使用了k一邻域的分类方法[2】【8】，而有些文章致错误分割区域，这是因为在实验时，我们通常会在叶子后面放置中采用虚拟神经网络的方法。在f1l1中作者结合花和叶子的信息来分一张白纸来产生一个高亮的背景，之后拍摄照片，这些照片有的会类野生的花，中提出一个虚拟神经网络的运用来分类仙人掌。但拍到自纸的边缘，从而产生潜在的错误预测区域。是根据[91中作者所论证的，SVM分类将更有利于对高维特征进行更腐蚀运算即为：加精确的分类。A0B=U{A+b：b∈B}所以文章最后通过SVM训练形成的强

7、分类器，与曲率直方图我们的预处理过程的目标就是去除这样的假阳性区域。我们首相交目这种方法对比，对其曲率直方图进行分类，使得系统的识别率先计算对于连同区域膨胀后的分割状态。在此情况下，任何有很大更加稳定，达到对不同的植物叶片进行识别和分类。边界在图像边缘的连通区域就被去除，这样就消除了在白色背景外1提取叶片的区域。由于植物在不同的季节颜色变化较大，并且叶片受光照环境的1．3使用自适应核的顶帽算法去除叶柄不同，很容易发生颜色的改变；如果以叶片的脉络作为特征，伴随着根据拍摄情景的不同，有可能所拍摄的叶片照片是没有叶柄叶片