基于多特征降维的植物叶片识别方法

摘要：

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定.针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法.首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像.然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数.再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间.降维后的训练样本特征数据使用支持向量机分类器进行训练.试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52％、89.97％,有效提高了植物叶片识别的正确率.

关键词：叶片识别、多特征降维、主成分分析、线性评判分析、支持向量机

所属期刊栏目：48

分类号：TP391.41(计算技术、计算机技术)

资助基金：中央高校基本科研业务费专项资金项目2015ZCQ-GX-04;北京市科技计划项目Z161100000916012

在线出版日期：2017-04-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：30-37