特征提取-大学生创新训练智能管理系统-南京林业大学.docVIP

模式识别在植物分类中的应用 严锐，业宁，业巧林，赵志成 （南京林业大学 信息科学与技术学院，江苏 南京210037） 摘要：应用计算机图像处理技术和模式识别方法研究植物分类，本文提出了一种基于植物叶片图像的植物分类方法。本实验在进行了平滑去噪、阈值分割、形态学处理后，提取了相对形状特征参数和基于灰度共生矩阵的纹理特征参数。最后利用SVM分类器并分别使用了四种常用核函数进行效果比较。通过对8种植物，总计240个叶片图像进行实验，得到高达95.6%的识别正确率，为深入研究植物分类奠定了一定的理论基础。 关键词：植物分类；图像处理；机器学习；模式识别；数据挖掘 中图分类号：TP391.4 文献标志码：A 文章编号 Application of pattern recognition in the classification of vegetation Rui Yan,Ning Ye,Qiaolin Ye,Zhicheng Zhao (College of Information Science and Technology , Nanjing Forestry University,Nanjing,Jiangsu 210037,China) Abstract: Applying computer image processing and pattern recognition methods to study classification of plant, this paper presents a kind of plant classification method based on plant leaf images. In this experiment, after smoothing, threshold segmentation, morphological processing, we extract relative parameters of shape feature and texture features based on gray level co-occurrence matrix parameters. Finally, an extensive comparision between the classification performances obtained by using four common kenel functions and SVMs are made. Through the experiment carried out on eight kinds of plants sharing a total of 240 leaf images, we show that our method achieve recognition accuracy of 95.6%, which provides a theoretical foundation for the in-depth study of plant classification. Key Words: Plant classification;Image processing;Machine learning;Pattern recognition;Data mining植物是世界上分布范围最为广泛且物种类别最多的生命形式。因此植物分类对于区分植物种类，探索植物间的亲缘关系，阐明植物系统的进化规律具有重要意义。据不完全统计，生存在地球上的植物有50万种以上，如此庞大的植物世界，任何一个植物学家都不可能完全准确知晓每一个物种。在人类社会高度信息化的今天，计算机化的植物分类给植物分类学带来诸多机遇和挑战。 植物的分类一般选取植物局部特征，如叶、花、果、茎、枝条等特征。相比之下，植物叶片是绝大部分植物所具有的，并且一年四季大部分时间内均可采集；同时叶形是研究植物物种的形态变异与分化的重要指标，因此基于叶片的识别是最简单有效的方法。 随着模式识别在字符识别、语音识别、指纹识别、人脸识别等方面应用的成熟，目前正向农林领域渗透。模式识别是在一定度量或观测基础上把待识别模式划分到各自的模式类中去，主要是利用计算机对物体、图像、语音等信息进行识别。基于模式识别的植物种类识别主要是通过对植物叶片图像的特征提取并分析，通过分类器确定植物类别。通常在植物学里叶片的形状、颜色和纹理都可以作为分类依据，本实验则侧重于提取叶片形状和纹理特征作为识别依据。 在国外，计算机化的植物分类研究工作开始的比较早，研究情况也是比较多的。早期的植物分类选用的特征主要基于叶片形状的全局特征。1986年，Ingro