利用CBIA与WSN构建的植物叶片分类系统

被引:3
作者
李晨 [1 ]
姚玮 [1 ]
韩忠伟 [2 ]
高一鸿 [3 ]
Florian Schmidt [1 ]
蒋涛 [4 ]
丁惠君 [5 ]
王振宇 [6 ]
申旻旻 [6 ]
机构
[1] 锡根大学自然科学与工程学院
[2] 吉林动画学院游戏学院
[3] 北京邮电大学计算机学院
[4] 成都信息工程大学控制工程学院
[5] 深圳大学医学部生物医学工程系
[6] 华南理工大学软件学院
基金
广东省自然科学基金;
关键词
基于内容的图像分析; 叶片分类; 图像分割; 特征提取; 支持向量机; 特征融合; 无线传感器网络;
D O I
暂无
中图分类号
TP391.41 [];
学科分类号
080203 ;
摘要
为了将计算机辅助植物叶片分类算法从理论研究向实际应用推进,利用基于内容的图像分析与无线传感器网络技术实现了移动设备终端的植物叶片分类功能。利用基于Sobel边缘检测子的全自动图像分割方法获取叶片的准确形状,利用基于霍特林变换的方法对叶片进行旋转预处理并提取傅里叶描述子等九种形状特征,然后使用多类支持向量机分类器对叶片进行分类,再进一步使用早期融合的方法对分类结果进行加强,随后利用以上叶片分类方法作为核心技术建立无线传感器网络,最后利用Java与安卓技术实现移动客户端的应用功能。实验结果显示,对于两个叶片数据库,分别达到了80%的分类准确率水平,与国际同类研究水平相当;对于无线传感器网络,移动终端用户可在9 s内从服务器得到叶片分类的反馈结果;移动客户端实现了安卓操作系统上的应用程序。综上所述,研究已经取得了显著的阶段性成果,并将在下一阶段的工作中引入更加新颖高效的方法来进一步提高叶片分类准确率。
引用
收藏
页码:3336 / 3340
页数:5
相关论文
共 15 条
[1]  
Shape matching and object recognition using shape contexts. Belongie, Serge,Malik, Jitendra,Puzicha, Jan. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2002
[2]   树叶长宽比及边缘曲率的提取 [J].
王静 ;
李灿灿 ;
王情伟 ;
王宝 ;
李丰果 .
华南师范大学学报(自然科学版), 2013, 45 (01) :38-41
[3]   基于支持向量机和智能移动设备的多类树叶分类系统 [J].
韩忠伟 ;
李晨 ;
Florian Schmidt .
生物技术世界, 2013, (03) :173+175-173
[4]  
Detection and discrimination of land mines in ground-penetrating radar based on edge histogram descriptors and a possibilistic K-nearest neighbor classifier. Frigui, Hichem,Gader, Paul. IEEE Transactions on Fuzzy Systems . 2009
[5]   面向叶子图像的植物归类的特征序列描述方法 [J].
谢从华 ;
王立军 ;
常晋义 .
计算机应用研究, 2012, 29 (12) :4740-4742+4746
[6]  
Android 4高级编程[M]. 清华大学出版社 , (美) 迈耶 (Meier, 2013
[7]   A comparative study of curvature scale space and Fourier descriptors for shape-based image retrieval [J].
Zhang, DS ;
Lu, GJ .
JOURNAL OF VISUAL COMMUNICATION AND IMAGE REPRESENTATION, 2003, 14 (01) :41-60
[8]  
Recognition of partially occluded plant leaves using a modified watershed algorithm. Lee, W.S.,Slaughter, D.C. Transaction of the ASAE . 2004
[9]  
Shape classification using the inner-distance. H Ling,DW Jacobs. IEEE Transactions on Pattern Analysis and Machine Intelligence . 2007
[10]  
A multi-stage approach for automatic classification of environmental microorganisms. Chen Li,Shirahama K,Czajkowska J,et al. Proc of International Conference on Image Processing,Computer Vision,and Pattern Recognition . 2013