基于叶片形状和纹理特征的植物种类识别系统.PDFVIP

基于叶片形状和纹理特征的植物种类识别系统 0 研究意义 植物的种类识别是植物学研究和农业生产的基础性工作，传统方法主要是根据植物的 形态进行人工鉴定，识别结果存在主观性且效率较低。植物的叶片含有大量的种属信息， 且大部分叶片外形为扁平状，因此可对植物叶片进行图像采集和处理，实现植物的快速识 别。 植物种类图像识别系统综合了叶片形状特征和纹理特征，提取了叶片图像的几何特征、 不变矩特征、结构特征、灰度共生矩阵和分形维数，构成特征数据库。通过特征数据库对 BP 神经网络进行训练，实现对植物的快速分类识别。 1 系统架构和算法 本系统依次由预处理模块、特征提取模块和分类识别模块三部分构成，系统架构见图 1。系统输入为叶片彩色图像，预处理模块可获取叶片的二值图像、灰度图像和纹理图像， 特征提取模块可提取得到叶片的形状特征和纹理特征的特征参数，并构成特征数据库。分 类识别模块由 BP （Back Propagation）神经网络构建，并通过特征数据库进行训练，实现 对植物的分类识别。 二值图像 叶片彩色 灰度图像 图像 预处 纹理图像 特征 特征参数 分类 识别结果 理 提取 识别 模块 模块 模块 图1 系统架构 1.1 预处理模块 预处理模块可削弱图像中颜色、叶柄、虫洞等无用或干扰信息，使目标区域的特征更 明显。预处理模块输入为叶片彩色图像，输出为用于特征提取的叶片灰度图像，二值图像 和纹理图像，具体过程如图2。 原始灰度图像 灰度图像 点乘运算 叶片 二值图像 彩色 原始灰 原始二 图像 灰度 度图像 阈值分割与 值图像 开运算处理 二值图像 转换 保留最大连通 闭运算处理 二值图像 转换为HSI 饱和度图像 纹理图像 点乘运算 色彩空间 图2 叶片图像预处理流程 首先，将输入的叶片彩色图像经灰度转换得到原始灰度图像，对其进行阈值分割处理， 把原始灰度图像分离为叶片和背景两部分，并通过保留最大连通成分操作，将叶片从背景 1 [9] 中提取出来，从而得到叶片的原始二值图像。采用形态学中的开运算和闭运算 处理后， 系统最终输出不受叶片虫洞和叶柄影响的二值图像。 将二值图像矩阵和原始灰度图像矩阵进行点乘运算，可得到去除背景的叶片灰度图像。 在HSI （Hue Saturation Intensity）色彩空间模型中，可以使用S 分量表示叶片的纹理， [7] 在提取纹理图像时，首先将输入叶片彩色图像转换为 HSI 色彩空间下的图像 ，然后用饱 和度图像（即HSI 色彩空间模型中的S 分量）与二值图像矩