草本植物圖像特征提取與分類研究.pdf

1、利用植物葉片的圖像特征來實現(xiàn)植物物種的自動識別和分類是目前的研究熱點。國內(nèi)外學(xué)者對基于葉片特征的提取和識別與分類進(jìn)行了研究，并取得了一定的研究成果。但是植物物種識別技術(shù)還是存在特征的定義和提取方法比較單一的不足，比如，在提取葉片的形狀特征方面，還停留在提取葉片的長寬比、矩形度、偏心率等等，這些特征還不能詳細(xì)的描述葉片。
　　針對上述問題，本文以四種典型草本植物葉片為研究對象，提出了四個關(guān)于鋸齒和葉裂的新特征，即:鋸齒和葉裂的面積和

2、周長占整個葉片的面積和周長的比例。經(jīng)過葉片的預(yù)處理后，采用基于鏈碼的輪廓提取方法提取草本植物葉片的輪廓。結(jié)合基于鏈碼的拐點檢測方法和基于鏈碼差的邊界凹凸性判別方法確定鋸齒點和葉裂點，改進(jìn)基于鏈碼的目標(biāo)面積計算方法計算鋸齒和葉裂的面積，從鋸齒和葉裂的面積和周長占整個葉片的面積和周長的比例以及葉片包含的鋸齒和葉裂數(shù)三個方面提取草本植物葉片的形狀特征。同時利用HSV顏色空間提取葉片的顏色特征，采用統(tǒng)計方法中的基于灰度共生矩陣來提取草本植物葉片

3、的能量、熵、對比度等紋理特征。將提取的草本植物葉片的形狀、顏色、紋理特征相結(jié)合形成了葉片的15維特征向量。根據(jù)特征向量設(shè)計基于神經(jīng)網(wǎng)絡(luò)的分類器和基于支持向量機的分類器，對選取的四種草本植物葉片進(jìn)行識別和分類，對比分類結(jié)果表明本文設(shè)計的支持向量機分類器(SVM)對草本植物葉片分類識別在時間消耗和識別正確率方面均優(yōu)于基于神經(jīng)網(wǎng)絡(luò)的分類器。
　　本文提出的新方法可以大大提高計算面積的精確度，并且提出新的特征值用來識別植物物種，豐富了基于