基于叶片形状特征的植物识别方法

被引:16
作者
刘骥
曹凤莲
甘林昊
机构
[1] 重庆大学计算机学院
关键词
叶片图像; 特征提取; 叶片识别; 主成分分析; BP神经网络;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
针对叶缘叶裂明显的植物叶片识别问题,提出一种基于叶片形状特征的识别方法。该方法首先使用阈值分割与形态学操作对叶片进行二值化处理;然后从二值图像上提取了8种描述叶片形状的特征,经过对8维特征的皮尔森相关系数分析与主成分分析,确定对分类贡献最大的5个主成分,考虑到形态特征与分类结果间存在非线性相关关系;最终的分类器使用了BP神经网络。采用UCI数据集的实验表明,该方法对15种植物171张叶片的综合识别率为89.1%,其中,对叶缘叶裂较为明显的6种植物70张叶片识别率达95%以上。
引用
收藏
页码:200 / 202+226 +226
页数:4
相关论文
共 5 条
[1]   基于叶片图像多特征融合的观叶植物种类识别 [J].
王丽君 ;
淮永建 ;
彭月橙 .
北京林业大学学报, 2015, (01) :55-61
[2]   一种改进的大津法在机器视觉中的应用 [J].
李牧 ;
闫继宏 ;
朱延河 ;
赵杰 .
吉林大学学报(工学版) , 2008, (04) :913-918
[3]   叶片图像特征提取与识别技术的研究 [J].
王晓峰 ;
黄德双 ;
杜吉祥 ;
张国军 .
计算机工程与应用, 2006, (03) :190-193
[4]  
Leaf shape based plant species recognition[J] . Ji-Xiang Du,Xiao-Feng Wang,Guo-Jun Zhang.Applied Mathematics and Computation . 2006 (2)
[5]   SUPPORT-VECTOR NETWORKS [J].
CORTES, C ;
VAPNIK, V .
MACHINE LEARNING, 1995, 20 (03) :273-297