基于极坐标的树木叶片特征提取方法.pdf

《基于极坐标的树木叶片特征提取方法.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、ComputerEngineeringandApplications计算机工程与应用基于极坐标的树木叶片特征提取方法张海燕，罗锐，王建新ZHANGHaiyan，LUORui，WANGJianxin北京林业大学信息学院，北京100083SchoolofInformation，BeijingForestryUniversity,Beijing100083，ChinaZHANGHaiyan，LUORui，WANGJianxin．Leavesfeatureextractionmethodbasedonpolarcoordinates．Com

2、—puterEngineeringandApplications，2014，50(1O)：171—175．Abstract：Theleavesfe：atureextractionmethodbasedonpolarcoordinatesisproposedinthispaper．Theproposedapproachismappingthebinaryimagetopolarcoordinateandconvertingthemintoacurvefirstly，thenextractingsomeinvariantfromthec

3、urve．Finally,minimumEuclidiandistanceiSusedtotrainandrecognizetheleaves．Theexperimentprovesthattheapproachhasthesmallercalculationandagoodrecognitioneffect．Thismethodissuitablefortheleafshapewhichhasdistinction．andiSusedtoidentifythe1eavesneededintheshorttime．13species

4、of1eaveshavebeentestedinthismethod．andtheaveragecorrectrecognitionrateiSgreaterthan90％．Keywords：imagerecognition；polarcoordinates；coordinatestransformation摘要：提出了一种在极坐标下进行特征提取的方法，并将其应用于树木叶片图像识别中。该方法首先将目标图像二值化并映射到极坐标下，提取具有旋转、缩放、平移不变性的曲线面积比率、跨度比、饱和度和高度变化率等特征然后通过最小欧式距离对叶片进

5、行计算、识别。该方法克服了直角坐标系下特征提取方法计算量大，花费的时间长的缺陷。基于该方法的叶片特征提取算法的时间复杂度为O(n)。对于叶型有区分，且需要快速进行树叶识别的树叶数据集有很好的效果。该方法在常见的13种树木叶片中进行测试，平均正确识别率达到90％以上。关键词：图像识别；极坐标；坐标变换文献标志码：A中图分类号：TP391．4doi：10．3778~．issn．1002．8331．1311—0192l引言级的底层特征，具有良好的不变性、计算简单、表达直观植物是地球上与人类关系最密切的生物，具有观赏等特点，但是特征维度高、

6、计算量大是其致命弱点，基于和药用价值，对环境保护也起到很重要的作用。传统的这种的分类识别算法计算复杂度都非常高。本文提叶片识别使用人工采集，然后进行观测和测量，最后得出在极坐标下进行特征提取，可以减少计算时间。出结论，这样的方法费时费力，而且效率很低。科学技极对数栅格化方法已经成功应用在目标识别领术在不断进步，一些叶片识别系统也应运而生，这些识域，它具有旋转缩放平移不变性，计算时问快，识别能力别系统结合模式识别和数据库技术等，使得叶片识别变强等优点。极坐标与极对数原理相似，都是进行二值化得轻松、简单。图像到极坐标的映射，计算量小。本

7、文提出的极坐标近年来，植物叶片识别技术在不断发展，先后出现特征值也具有旋转缩放平移不变性，结论在文中会有证了基于关系结构的匹配的方法、基于曲率尺度空间的匹明。在叶片识别上暂时还没有使用极坐标的方法来进配方法、基于上下文特征的匹配方法等n，但这些方法也行特征提取，本文使用极坐标栅格化方法进行叶片的特还存在一些问题，这些理论的基础都较为薄弱，需要得征提取，首先将二值化图像映射到极坐标下，通过计算到进一步的完善。得到一维数组，叶片的特征提取通过对一维数组的一次传统的叶片特征提取是基于直角坐标系，例如灰遍历计算得出，运算量小，速度快，充分发

8、挥了极坐标栅度的统计特征提取和纹理边缘特征提取，它们均是像素格化的优势。基金项目：国家林业局重点项目(No．2011—04)；国家自然科学基金(No．61170268)。作者简介：张海燕，女，博士，副教授，主要研究方向为图像识别、嵌入