面向叶子图像的植物归类的特征序列描述方法-计算机应用研究.PDFVIP

第２９卷第１２期 计 算 机 应 用 研 究 Ｖｏｌ２９Ｎｏ１２ ２０１２年１２月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｄｅｃ．２０１２ 面向叶子图像的植物归类的特征序列描述方法 １ ２ １ 谢从华 ，王立军 ，常晋义 （１．常熟理工学院计算机科学与工程学院，江苏 苏州２１５５００；２．北京北大千方科技有限公司，北京 １００１９１） 摘　要：针对叶子图像的植物数据库的归类系统，提出了一种新的基于高斯混合模型特征函数的图像特征序列 描述方法。定义了图像的高斯混合模型、特征函数及其性质，用自适应的方法把图像分解为Ｋ个模型，并在每个 分量模型和混合模型上定义由频谱、相位角和功率谱组成的局部特征序列和全局特征序列。在中国科学院智能 计算所的叶子图像数据集ｌｅａｖｅｓ（ＩＣＬ）上进行了Ｋｍｅａｎｓ归类实验，结果表明该图像描述方法比ＬＢＰ局部综合 特征和高斯混合密度函数有更好的归类结果。 关键词：局部特征；全局特征；图像归类；混合模型 中图分类号：ＴＰ３１７．４　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１２）１２４７４００３ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１２．１２．０８８ Ｍｅｔｈｏｄｏｆｓｉｇｎａｔｕｒｅｓｄｅｓｃｒｉｐｔｉｏｎｏｆｌｅａｖｅｓｉｍａｇｅｓｆｏｒｐｌａｎｔｃａｔｅｇｏｒｉｚａｔｉｏｎ １ ２ １ ＸＩＥＣｏｎｇｈｕａ，ＷＡＮＧＬｉｊｕｎ，ＣＨＡＮＧＪｉｎｙｉ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｅｎｇｉｎｅｅｒｉｎｇ，ＣｈａｎｇｓｈｕＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，ＳｕｚｈｏｕＪｉａｎｇｓｕ２１５５００，Ｃｈｉｎａ；２．ＣｈｉｎａＴｒａｎｓｉｎｆｏＣＬＤ， Ｂｅｉｊｉｎｇ１００１９１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｆｏｒｐｌａｎｔｄａｔａｓｅｔｃａｔｅｇｏｒｉｚａｔｉｏｎｂｙｌｅａｆｉｍａｇｅｓ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｎｅｗｉｍａｇｅｓｉｇｎａｔｕｒｅｍｅｔｈｏｄｂａｓｅｄｏｎＧａｕｓｓｉ ａｎｍｉｘｔｕｒｅｍｏｄｅｌｓ（ＧＭＭｓ）ａｎｄｃｈａｒａｃｔｅｒｉｓｔｉｃｆｕｎｃｔｉｏｎ．Ｆｉｒｓｔｌｙ，ｉｔｄｅｆｉｎｅｄｔｈｅＧＭＭｓｆｏｒｉｍａｇｅ，ｃｈａｒａｃｔｅｒｉｓｔｉｃｆｕｎｃｔｉｏｎａｎｄｉｔｓ ｐｒｏｐｅｒｔｙ．Ｓｅｃｏｎｄｌｙ，ｔｈｅｉｍａｇｅｗａｓｄｉｖｉｄｅｄｉｎｔｏＫｍｏｄｅｌｓｓｅｌｆａｄａｐｔｉｖｅｌｙ．Ｆｉｎａｌｌｙ，ｉｔｄｅｆｉｎｅｄｔｈｅｌｏｃａｌａｎｄｇｌｏｂａｌｉｍａｇｅｓｉｇｎａ ｔｕｒｅｓｗｉｔｈｓｐｅｃｔｒｕｍ，ｐｈａｓｅａｎｇｌｅａｎｄｐｏｗｅｒｓｐｅｃｔｒｕｍｏｆｆｅａｔｕｒｅｆｕｎｃｔｉｏｎｓｏｎｅａｃｈｃｏｍｐｏｎｅｎｔｍｏｄｅｌａｎｄｍｉｘｔｕｒｅｍｏｄｅｌｓｒｅ ｓｐｅｃｔｉｖｅｌｙ．ＡｎｄｉｔｄｅｖｅｌｏｐｅｄａＫｍｅａｎｓｃａｔｅｇｏｒｉｚａｔｉｏｎｓｙｓｔｅｍｔｏｔｅｓｔｉｆｙｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｏｎｔｈｅｌｅａｖｅｓ （ＩＣＬ）ｆｒｏｍｉｎｔｅｌｌｉｇｅｎｔｃｏｍｐｕｔｉｎｇｌａｂｏｒａｔｏｒｙｏｆｃｈｉｎｅｓｅａｃａｄｅｍｙｏｆｓｃｉｅｎｃｅｓ．Ｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅ：ｐｒｏｐｏｓｅｄｓｉｇｎａ ｔｕｒｅｓｃａｎａｃｈｉｅｖｅｂｅｔｔｅｒｒｅｓｕｌｔｔｈａｎｔｈｅｃｌａｓｓｉｃａｌＬＢＰｌｏｃａｌｃｏｍｂｉｎｉｎｇｆｅａｔｕｒｅｓａｎｄＧＭＭｓｄｅｎｓｉｔｙｆｕｎｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｌｏｃａｌｆｅａｔｕｒｅ；ｇｌｏｂａｌｆｅａｔｕｒｅ；ｉｍａｇｅｃａｔｅｇｏｒｉｚａｔ