發(fā)布時間：2017-10-28 17:30

  本文關(guān)鍵詞：基于葉片形狀特征的植物識別方法

  更多相關(guān)文章： 葉片圖像 特征提取 葉片識別 主成分分析 BP神經(jīng)網(wǎng)絡(luò)

【摘要】：針對葉緣葉裂明顯的植物葉片識別問題,提出一種基于葉片形狀特征的識別方法。該方法首先使用閾值分割與形態(tài)學(xué)操作對葉片進(jìn)行二值化處理;然后從二值圖像上提取了8種描述葉片形狀的特征,經(jīng)過對8維特征的皮爾森相關(guān)系數(shù)分析與主成分分析,確定對分類貢獻(xiàn)最大的5個主成分,考慮到形態(tài)特征與分類結(jié)果間存在非線性相關(guān)關(guān)系;最終的分類器使用了BP神經(jīng)網(wǎng)絡(luò)。采用UCI數(shù)據(jù)集的實(shí)驗(yàn)表明,該方法對15種植物171張葉片的綜合識別率為89.1%,其中,對葉緣葉裂較為明顯的6種植物70張葉片識別率達(dá)95%以上。
【作者單位】： 重慶大學(xué)計(jì)算機(jī)學(xué)院;
【關(guān)鍵詞】： 葉片圖像 特征提取 葉片識別 主成分分析 BP神經(jīng)網(wǎng)絡(luò)
【基金】：國家自然科學(xué)基金青年基金資助項(xiàng)目(61502060)
【分類號】：TP391.41
【正文快照】： 0引言針對葉緣葉裂明顯的植物葉片數(shù)字圖像識別問題,精確的特征描述是研究重點(diǎn)。王曉峰等[1]和Du等[2]提取了植物葉片形狀特征和圖像不變矩,采用移動中心超球分類器實(shí)現(xiàn)了20多種植物的識別。Wu等[3]將形狀和紋理特征正交化,使用概率神經(jīng)網(wǎng)絡(luò)(Probabilistic Neural Network,PNN

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 林和平;楊晨;;模糊主成分分析方法的研究與分析[J];航空計(jì)算技術(shù);2006年06期

2 林培龍;;基于主成分分析評價模型的研究與應(yīng)用[J];信息系統(tǒng)工程;2010年05期

3 張磊;;天津市電子信息產(chǎn)品制造業(yè)競爭力分析與評價[J];科技和產(chǎn)業(yè);2011年07期

4 李瑜祥;;主成分分析程序及其應(yīng)用[J];自動化儀表;1987年04期

5 朱寧;主成分分析在選拔競賽隊(duì)員中的應(yīng)用[J];桂林電子工業(yè)學(xué)院學(xué)報(bào);1999年02期

6 姜春燕;林和平;劉丁慧;付希金;紀(jì)永鳳;;灰主成分分析研究及其應(yīng)用[J];吉林大學(xué)學(xué)報(bào)(信息科學(xué)版);2007年05期

7 周春生;;主成分分析在大學(xué)生成績影響因素研究中的應(yīng)用[J];現(xiàn)代計(jì)算機(jī);2013年17期

8 顧紹紅;王永生;王光霞;;主成分分析模型在數(shù)據(jù)處理中的應(yīng)用[J];測繪科學(xué)技術(shù)學(xué)報(bào);2007年05期

9 李雪梅;張素琴;;主成分分析在區(qū)域經(jīng)濟(jì)分析中的應(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2009年19期

10 黎夏,葉嘉安;主成分分析與Cellular Automata在空間決策與城市模擬中的應(yīng)用[J];中國科學(xué)(D輯:地球科學(xué));2001年08期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 么彩蓮;魏寧;;關(guān)于主成分分析的改進(jìn)方法探討[A];中國現(xiàn)場統(tǒng)計(jì)研究會第12屆學(xué)術(shù)年會論文集[C];2005年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國現(xiàn)場統(tǒng)計(jì)研究會第12屆學(xué)術(shù)年會論文集[C];2005年

3 孫曉東;胡勁松;焦s，

本文編號：1109267