基于整体外观特征的植物种类识别研究 - 计算机应用与软件.PDFVIP

第３４卷第９期　　　 计算机应用与软件 Ｖｏｌ３４Ｎｏ．９ ２０１７年９月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｓｅｐ．２０１７ 基于整体外观特征的植物种类识别研究 １ １ ２ 陈淑君　周永霞 　方勇军 １（中国计量大学信息工程学院　浙江杭州３１００１８） ２（杭州吾思智能科技有限公司　浙江杭州３１００１８） 摘　要　　提出一种基于整体植物外观特征提取的植物自动识别方案。首先，用普残差法对植物图像进行显著 性区域检测，较粗略地得到植物对象，再结合色调信息进行细分割。接着提取该对象区域的ＳＩＦＴ特征作为底层 局部特征，建立视觉词包模型，最后设计分类器进行分类。选取了９种常见的室内盆栽，每种植物各２８个样本。 在实验中，分别对比当前流行的 ＢＰ神经网络、ＳＶＭ和ＥＬＭ三种分类器的分类性能。实验结果发现，支持向量机 和极限学习机有较好的分类效果，识别率可以达到９０％左右。这对植物识别的研究及应用推广都具有一定的积 极作用。 关键词　　普残差法　ＳＩＦＴ　视觉词包模型　支持向量机　极限学习机 中图分类号　ＴＰ３　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１７．０９．０４４ ＴＨＥＰＬＡＮＴＳＰＥＣＩＥＳＲＥＣＯＧＮＩＴＩＯＮＢＡＳＥＤＯＮＴＨＥＷＨＯＬＥＡＰＰＥＡＲＡＮＣＦＥＡＴＵＲＥＳ １ １ ２ ＣｈｅｎＳｈｕｊｕｎ　ＺｈｏｕＹｏｎｇｘｉａ　ＦａｎｇＹｏｎｇｊｕｎ １（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＣｈｉｎａＪｉｌｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｈａｎｇｚｈｏｕ３１００１８，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） ２（ＨａｎｇｚｈｏｕＷｕｓｉＩｎｔｅｌｌｉｇｅｎｔＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＣｏ．Ｌｔｄ．，Ｈａｎｇｚｈｏｕ３１００１８，Ｚｈｅｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｔｈｉｓｐａｐｅｒ，ｗｅｐｒｏｐｏｓｅａｎａｌｇｏｒｉｔｈｍｆｏｒｐｌａｎｔｓｐｅｃｉｅｓｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｗｈｏｌｅａｐｐｅａｒａｎｃｅｆｅａｔｕｒｅｓ． Ｆｉｒｓｔ，ｔｈｅＳｐｅｃｔｒａｌＲｅｓｉｄｕａｌｍｅｔｈｏｄｗａｓａｄｏｐｔｅｄｉｎｓａｌｉｅｎｔｒｅｇｉｏｎｄｅｔｅｃｔｉｏｎｔｏｓｅｇｍｅｎｔｔｈｅｐｌａｎｔｏｂｊｅｃｔｒｏｕｇｈｌｙ．Ａｎｄ ｔｈｅｎ，ｔｈｅｈｕｅｉｎｆｏｒｍａｔｉｏｎｗａｓｕｓｅｄｔｏｏｂｔａｉｎｔｈｅｐｒｅｃｉｓｅｏｂｊｅｃｔ．Ｓｅｃｏｎｄ，ＳＩＦＴｉｎｔｈｅｏｂｊｅｃｔｒｅｇｉｏｎｗａｓｅｘｔｒａｃｔｅｄｔｏｂｕｉｌｄ ｔｈｅＢＯＶｍｏｄｅｌ．Ｆｉｎａｌｌｙ，ｔｈｒｅｅｃｌａｓｓｉｆｉｅｒｓｗｅｒｅｄｅｓｉｇｎｅｄａｎｄｉｍｐｌｅｍｅｎｔｅｄｔｏｃｌａｓｓｉｆｙｔｈｅｐｌａｎｔｓｐｅｃｉｅｓ．Ｉｎｏｕｒ ｅｘｐｅｒｉｍｅｎｔｓ，ｔｈｅｒｅｗｅｒｅｎｉｎｅｄｉｆｆｅｒｅｎｔｐｌａｎｔｓｐｅｃｉｅｓ，ａｎｄ２８ｅｘａｍｐｌｅｓｏｆｅａｃｈｓｐｅｃｉｅｓ．ＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ＳＶＭａｎｄ ＥＬＭ，ｔｈｅｓｅｔｈｒｅｅｄｉｆｆｅｒｅｎｔｃｌａｓｓｉｆｉｅｒｓｗｅｒｅｉｍｐｌｅｍｅｎｔｅｄａｎｄｃｏｍｐａｒｅｄ．ＴｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅＳＶＭａｎｄ ＥＬＭｃｌａｓｓｉｆｉｅｒｓｗｅｒｅｂｅｔｔｅｒｔｈａｎＢＰｎｅｕｒａｌｎｅｔｗｏｒｋ，ａｎｄａｒｅａｂｌｅｔｏｉｄｅｎｔｉｆｙａｂｏｕｔ９０％ｏｆｔｈｅｓｅｐｌａｎｔｓｃｏｒｒｅｃｔｌｙ．Ｉｔｉｓ ｉｍｐｏｒｔａｎｔｆｏｒｔｈｅｒｅｓｅａｒｃｈａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｐｌａｎｔｓｐｅｃｉｅｓｒｅｃｏｇｎｉｔｉｏｎ． Ｋｅｙｗｏｒｄｓ　　Ｓｐｅｃｔｒａｌｒｅｓｉｄｕａｌ　ＳＩＦＴ　Ｂａｇｏｆｖｉｓｔｅｒｍｓ　Ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ　Ｅｘｔｒｅｍｅｌｅａ