面向花卉圖像的精細圖像分類研究.pdf

1、隨著信息技術的飛速發(fā)展，人們通過相機和手機等設備可以越來越容易拍攝花卉的圖像，但是對花卉的分類識別仍然需要在專業(yè)的知識指導下進行?；ɑ軋D像分類屬于精細圖像分類的范疇。由于花卉所處的背景復雜、花卉自身的類間相似性和類內差異性，傳統(tǒng)的圖像分類方法并不能很好解決這類問題。因此，針對花卉圖像的復雜背景問題和花卉類間相似以及類內差異問題，本文從圖像分割和多特征融合的角度來研究花卉圖像的自動分類。本文的主要工作內容和創(chuàng)新如下:
　　1、針對花

2、卉圖像復雜的背景問題，本文提出基于顯著性檢測的GrabCut花卉圖像前景分割方法。通過為花卉圖像的顯著性區(qū)域訓練前景背景分類器，自適應設定初始前景背景的信息分布，結合GrabCut算法實現將花卉的主體部分從背景中分離開。相對于目前很多關于花卉圖像分割的研究首先要對數據庫中每一類別的樣本進行前景和背景的標注，然后訓練相應的前景背景分類器用于分割的方法。本文提出的基于顯著性檢測的GrabCut花卉圖像前景分割方法，不需要對每一類花進行單獨的

3、訓練，是一種通用的花卉圖像分割方法。
　　2、針對花卉類間相似和類內差異的問題，本文提出一種基于多特征融合的層次化分類方法。傳統(tǒng)的特征融合很多只是簡單的把多個特征融合在一起，忽略了不同特征對不同的花卉類別的影響。而本文提出的多特征融合的層次化分類方法，針對每類花卉的顏色、形狀特征進行單獨訓練，得到特征對應于類別的得分值，能夠對表現差異大的花卉進行有效的分類，同時又能夠克服類內變化大的問題。
　　通過實驗結果表明，本文提出的基