基于流形學(xué)習(xí)算法的植物葉片圖像識別方法研究.pdf

1、農(nóng)業(yè)是人類賴以生存的基礎(chǔ)條件，提高農(nóng)作物產(chǎn)量需要了解不同作物的生長特征和生理生化參數(shù)。準(zhǔn)確識別與分類作物是監(jiān)測其長勢的首要前提。相比作物植株，葉片存活時間長，容易采集，且包含豐富的營養(yǎng)及長勢信息。因此，可通過識別葉片的特征信息來區(qū)分植物類別。近年來，流形學(xué)習(xí)算法被引入到葉片識別研究中。該方法的核心思想是利用流形學(xué)習(xí)算法對提取到的葉片特征進(jìn)行維數(shù)約簡，實(shí)現(xiàn)葉片圖像特征信息的聚類。現(xiàn)有的基于流形學(xué)習(xí)算法的葉片圖像識別方法雖然在實(shí)拍的植物葉片

2、圖像數(shù)據(jù)庫上取得了不錯的分類率，但這些方法本身存在著不足，例如提取的特征問題、流形學(xué)習(xí)的有監(jiān)督問題和有效地分類器識別問題等。
　　針對目前葉片識別方法存在的一些不足，本文分別對植物葉片識別中的特征提取、流形降維以及分類器進(jìn)行研究，提出新的葉片識別方法。首先，提取原始葉片圖像的高維特征，利用流形學(xué)習(xí)算法對高維特征進(jìn)行維數(shù)約簡，得到這些高維特征的低維嵌入;然后，在低維空間利用分類器識別植物葉片的類別;最后，基于實(shí)拍的葉片圖像數(shù)據(jù)庫，進(jìn)

3、行仿真實(shí)驗(yàn)并對實(shí)驗(yàn)結(jié)果進(jìn)行分析。主要研究內(nèi)容和結(jié)果如下:
　　(1)提出一種基于WLLE和SVM的植物葉片圖像識別方法。該方法利用加權(quán)局部線性嵌入算法(WLLE)對由葉片圖像所有像素值構(gòu)成的高維顏色特征進(jìn)行降維，然后利用支持向量機(jī)(SVM)在低維空間識別葉片圖像的類別。該方法解決了低維空間最近鄰分類器不能有效識別植物葉片類別問題。由實(shí)驗(yàn)結(jié)果表明，該方法提高了葉片圖像識別率。
　　(2)提出一種基于差異性值監(jiān)督局部線性嵌入(D