植物叶形状与纹理特征提取研究.pdfVIP

浙江理工大学学报，第30卷，第3期，2013年5月 of Sci—Tech Journal Zhejiang University 2013 V01．30，No．3，May 文章编号：1673—3851(2013)03—0394—05 植物叶形状与纹理特征提取研究 陈 寅，周 平 (浙江理工大学信息学院，杭州310018) 摘要：对于植物叶的分类介绍了一种基于叶片图像的形状与纹理特征提取的方法。该方法首先对叶片图像 进行预处理提取出叶片轮廓，得到形状与纹理特征参数，然后对形状参数分析进行粗分类，最后对于形状相似叶片 利用BP神经网络进行分类。实验对20种叶片进行分类，平均识别率达到了92％。 关键词：叶片图像；图像预处理；特征参数；BP神经网络 中图分类号：TP319 文献标志码：A 明显的先分类出去，然后再对形状特征相似的叶片 0 引 言 进行神经网络学习，实现叶片分类。 对植物进行保护，最重要的一步就是对其进行 1图像预处理 分类研究。由于地球上植物种类繁多，数量庞大，给 植物的进一步研究带来了困难[1]。随着计算机科学 实验所用植物叶片数据库[8]是由中科院合肥智 技术的发展，可以对获取的叶片图像通过计算机图 能所智能计算实验室与合肥市植物园共同采集整理 像处理技术加以分类识别[z]。 并建立的，一共包含220种17032张植物叶片图 对于植物的分类来说，叶片、果实、花都可以作 像。分类流程如图1所示。先对植物叶片图像进行 为一种分类的依据[3]，但通过叶片来进行分类是比 相应的预处理。 !…‘‘……’‘…‘。二 ：’。…’’…………二 较直接有效的，对温度，季节的变化不是很敏感同时 !图像预处理； i特征参数计算{ 也较容易获取。NetoJ C等[4]利用椭圆傅里叶变换 I图像灰度化l： il形状特征参数l 描述子和判别式分析法对4类植物叶片进行了分 P‘。。。。。‘’1000。。。。。…oro’o。。。。。。。。。‘。oo‘‘。。。1 I形态学处理l；’}l纹理特征参数I 类，对不同生长周下的分类情况进行对比，但对于复 口圜{i………… 杂背景下的叶片识别有待改进。王路等[5]使用2D ．．．．．．．．．．．．．．．．．．．! 不变矩、多尺度Gabor滤波器等多种方法提取了叶 图1叶片图像分类流程 片的叶形和叶脉特征参数，最后采用学习矢量量化 神经网络进行分类。祁享年等[61计算叶片的面积、 1．1图像灰度化 周长等从而得到叶片的大小和形状特征，进而实现 获取的叶片图像是RGB彩色图像，为了消除叶 分类。傅弘等[7]对植物叶脉的提取进行了研究，利 柄对分类结果的影响，人为地去除了植物叶柄。叶 用边缘梯度、领域统计等参数描述像素领域特征作 片在不同季节颜色会有不同，同一张叶片因光照角 为神经网络的输入层进行训练学习提取出植物叶片 度不同颜色也会存在很大的差别，所以对其进行灰度 的叶脉。一般都是提取出叶片的特征进行机器的学