基于多特征融合和深度信念网络的植物叶片识别.pdfVIP

第38卷摇 第3期 北 京 林 业 大 学 学 报 Vol.38,No.3 2016年3月 JOURNAL OF BEIJING FORESTRY UNIVERSITY Mar. ,2016 鄄鄄 DOI:10.13332/ j.1000 1522 基于多特征融合和深度信念网络的植物叶片识别 刘摇 念摇 阚江明 (北京林业大学工学院) 摘要:基于叶片数字图像的植物识别是自动植物分类研究的热点。 但是随着植物种类的增加,传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。 为此,本文提出使用纹理特征结合形状 特征进行识别,并且使用深度信念网络构架作为分类器。 纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵 方法得到。 而形状特征向量由Hu 氏不变量和傅里叶描述子组成。 为了避免过拟合现象,使用“dropout冶方法训练 深度信念网络。 这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率 为99郾37%;在ICL数据库中,对220种叶片的识别率为93郾939%。 这表明相比一般的叶片识别方法,此方法鲁棒 性更强,并且识别率更高。 关键词:叶片识别;傅里叶描述子;局部二值模式;深度信念网络 鄄鄄 鄄鄄 鄄鄄 中图分类号:TP391郾4摇 摇 文献标志码:A摇 摇 文章编号:1000 1522(2016)03 0110 10 LIU Nian;KAN Jiang鄄ming. Plant leaf identification based on the multi鄄feature fusion and deep 鄄鄄 belief networks method. Journal of Beijing Forestry University(2016)38(3) 110 119 [Ch,32 ref.] School of Technology,Beijing Forestry University,Beijing,100083,P. R. China. Plant identification basedon digitalleaf imageisahottopicinresearch of automaticclassificationof plants. However,with the increaseinthenumber of plant species,theleaf recognitionrateislow dueto the single trait extraction and simple structure classifier in the traditional classification methods. This study applied the combination of texture features and shape features for identification,using the deep belief networks (DBNs) as the classifier. Texture features are derived from local binary patterns,Gabor filters and gray level co鄄occurrence matrix while shape feature vector is modeled