基于分形维度的叶片图像识别方法

为使树叶识别达到更好的效果,对分形维度作为纹理特征的方法进行了研究,提出把分形维度应用于叶片识别领域,将其作为叶片纹理特征的提取方法,来表示叶片图像的纹理复杂程度及其自相似性。使用了26种叶片(390幅图像)的图像库进行实验,提取了包括分形维度在内的9项特征进行训练测试,达到了91.54%的正确率。实验结果表明,提出的方法优于传统的叶片识别方法,证实了该方法的有效性。

21年 2 02月第 3 3卷第 2期

计算机工程与设计 COM PUTER ENGI NEERI NG AND SI DE GN

F b 2 1 e.02 V0 . 3 No 2 13 .

基于分形维度的叶片图像识别方法 袁津生，姚宇飞 (北京林业大学信息学院，北京 108 ) 0 0 3 摘要：为使树叶识别达到更好的效果，对分形维度作为纹理特征的方法进行了研究，提出把分形维度应用于叶片识别领域，将其作为叶片纹理特征的提取方法，来表示叶片图像的纹理复杂程度及其自相似性。使用了 2 6种叶片 ( 9 3 0幅图像 ) 的图像库进行实验，提取了包括分形维度在内的 9特征进行训练测试，达到了 9 .4的正确率。实验结果表明，提出项 1 5 的方法优于传统的叶片识别方法，证实了该方法的有效性。

关键词：分形；分形维度；纹理特征；特征提取；叶片识别 中图法分类号：T 3 1 P 9文献标识号： A文章编号： 007 2 (0 2 0—6 00 1 0 0 4 2 1 ) 20 7—4

Le v s i a e r c g iin b s d o r c a i e so a e m g e o n t a e n f a t ldm n i n o YUAN i- h n Jn s e g,YAo—e Yu fi ( olg f nomain B in oetyUnv ri, e i 0 0 3 C ia C l eo fr t, e i F rs ies y B in 10 8, hn ) e I o jg r t jg Ab t a t I r e o g t a b te e u t o e v s r c g iin,t e me h d o sn r c a i e so s t x u e f a u e i r— sr c: n o d rt e e t r r s l f la e e o n t o h t o fu ig fa t ldm n in a e t r e t r s e s a c e . F a t l i n i n wh c h wst x u e c mp ia i n a d s l smi rt s u e h e v s r c g iin a h a to e rh d r c a d me s ih s o e t r o l t n e f i l i i s d i t e la e e o n t s t e p r f o c o a y n o t x u e fa u e e t r e

t r .Th x e i n e t d o 9 ma e ih b ln o 2 id fla e n h n e ta t d 9 f a u e i c u ig e e p rme t t se n 3 0 i g swh c eo g t 6 k n so v s a d t e x r c e e t r l d n e n fa t l i n i n Th ls i c t n a c r c 1 5 r c a me so . d e ca sf a i c u a y i 9 . 4 i o S wh c S b te h n ta i o a t o f1 a e e o n to .Th x ih i e t r t a r d t n 1me h d o e v s r c g iin i ee—

p r e t lr s l a e d mo s r td t e ef c i e e so h r p s d m e h d e i n a e u t h v e n t a e h f e t n s ft ep o o e t o . m s v Ke r s f a t l r ca i n i n;t x u e fa u e e t r b t a t m e v sr c g iin y wo d: r c a;fa t ld me so e t r e t r;f a u e a s r c i o 1a e e o nto

0引言 植物品种的多样性和大量的分类特征给植物识别工作带来了巨大的挑战。传统的人工识别方法效率低、工作量大，很难满足科研工作的需要，并且传统识别手段依赖人的主观判别，影响了分类的精确性。基于图像的描述方法弥补了传统的人工识别方法的不足，提高了植物识别工作

廓特征，并得到了很好的效果。20 0 4年，傅弘等人[通过 4 3人工神经网络提取叶脉，但并未涉及到叶脉的识别。2 0 09年，杜吉祥等人¨利用 G b r波对叶片图像进行多尺度 5 ao小

Gbr a o纹理特征提取，再使用径向基概率神经网络模型进 行分类识别。随着叶片识别技术的发展，选取的特征包含的信息量增加，特征维数下降，如 2 0 0 9年，侯铜_等人仅 6]使用偏心率、圆形性、弯曲能量等 8个特征，平均识别率 就达到了 8 .。 75

的效率和准确性。植物分类所采用的特征通常涉及到花、 种子、叶和枝干等部分。本文采用植物叶片作为识别的依据，因为叶子是植物相对稳定的器官，其存

在时间较长， 形状稳定。并且大部分叶片的形状为扁平状，适合进行数字图像的采集和处理。 早期的叶片识别所选取的特征大多是基于形状的，如

本文采用 9维特征向量，并且将分形维度作为主要纹

理特征，此方法在国内还未应用于叶片识别领域。

1叶片图像预处理 由于图像在户外拍摄，存在光照、阴影导致的边缘模糊及噪声等，因此需要对图像进行预处理，以提高识别的

1 8年，Igo ie L i[利用 2叶形特征对橡树进 96 n rul和 a d1 l r] 7种行了分类。1 9 9 7年 Ab ai Mo hai bs和 k tr n提取叶片轮廓的 a 曲率尺度空间l,将曲率零交叉轮廓的最大点作为特征来 2]

准确度，具体过程如图 1所示。 植物叶片的颜色会随着季节或成长的不同时期而发生变化，因此我们舍弃颜色特色的提取，我们以 5植物为种例，首先将彩色图像 (表 1原图)转换为灰度图 (如如表 1

表示轮廓的凹凸性，并用 kN分类器对菊花进行分类。 _N 2 0年，国内的孙永新 _也将曲率尺度空间作为叶片的轮 09 3] 收稿日期：2 1 -32;修订日期：2 1—52 0 I0—0 0 10—6

作者简介：袁津生 ( 9 7 ) 1 5一，男，天津人，教授，研究方向为图像检索、网络安全等；姚字飞 (9 5 ) 18一，女，河北石家庄人，硕士，研究方向为图像识别。E m i y a@b u e u c - a: u￣s j . d .n l f

相关知识

一种基于Android平台的植物叶片识别方法
基于无人机图像的边坡病害识别方法
病虫害识别笔记1：基于叶片图像的植物病害识别研究
基于卷积神经网络的多尺度葡萄图像识别方法
基于叶片图像多特征融合的观叶植物种类识别
基于深度学习的植物病虫害识别方法与流程
一种基于几何不变形状特征的在线植物物种识别方法
基于迁移学习的葡萄叶片病害识别方法研究
基于图像识别的苹果叶片病害识别模型对比研究
基于卷积神经网络的花卉识别方法

网址: 基于分形维度的叶片图像识别方法 https://www.huajiangbk.com/newsview1809349.html