【摘要】：植物是生命的主要形態(tài)之一,其種類已達40多萬種,對其進行分類識別在生物多樣性保護,生態(tài)農(nóng)業(yè),生物安全中有著重要的意義。不同的種類的植物一般有著不同的葉片形狀,因此葉片的形狀特征在植物分類中扮演著重要的角色。作為計算機視覺的一個重要應用的植物葉片圖像識別,近些年來受到了學者們的關注,產(chǎn)生了大量的研究成果。但由于植物種類巨大,葉片圖像存在的類內(nèi)差異大、類間差異小和葉片的自遮擋等問題等諸多問題,使得葉片圖像的識別仍然是目前計算機視覺應用研究的一個熱點。對近些年來的基于形狀特征的葉片圖像識別算法進行了綜述和比較,對現(xiàn)有的算法進行了分類,對目前各類最先進的識別算法進行了分析和比較。此外,還介紹了常用的葉片圖像測試集和性能評估方法,并將各類算法進行了實驗結(jié)果的比較研究。研究工作既為現(xiàn)有的植物葉片識別算法的實際應用提供了指導,又為今后進一步研究新的高性能的識別算法提出了努力的方向。
[Abstract]:Plant is one of the main forms of life, and its species have reached more than 400,000 species. It is of great significance to classify and identify plants in biodiversity conservation, ecological agriculture and biosafety. Different species of plants usually have different leaf shapes, so the shape characteristics of leaves play an important role in plant classification. As an important application of computer vision, plant leaf image recognition has been concerned by scholars in recent years, resulting in a large number of research results. However, due to the huge plant species, large intra-class differences in leaf images, small inter-class differences and leaf self-occlusion and other problems, leaf image recognition is still a hot topic in the application of computer vision. This paper summarizes and compares the blade image recognition algorithms based on shape features in recent years, classifies the existing algorithms, and analyzes and compares the most advanced recognition algorithms at present. In addition, the commonly used blade image test sets and performance evaluation methods are also introduced, and the experimental results are compared with each other. The research work not only provides guidance for the practical application of existing plant leaf recognition algorithms, but also puts forward the direction of further research on new high-performance recognition algorithms in the future.
【作者單位】： 南京財經(jīng)大學信息工程學院;南京財經(jīng)大學電子商務省級重點實驗室;
【基金】：國家自然科學基金(No.61372158) 江蘇省2015年普通高校研究生科研創(chuàng)新項目(No.KYZZ15_0277)
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 王海珍;廉佐政;滕艷平;;基于小生境技術的火災圖像識別算法[J];計算機工程與科學;2010年11期

2 霍云;宗光華;孫明磊;張杰;畢樹生;;基于對稱特征相似性的圖像識別算法研究[J];光學技術;2009年02期

3 王瀟茵;胡昌振;;基于直覺模糊——神經(jīng)網(wǎng)絡的色情圖像識別算法[J];信息網(wǎng)絡安全;2009年07期

4 王宏;莫裕孟;尹莉軍;向時平;;野外復雜背景下輕武器射擊目標的圖像識別算法[J];火力與指揮控制;2009年07期

5 楊立玲;胡躍明;王婷;戚其豐;;基于小波結(jié)構(gòu)矩的圖像識別算法[J];半導體技術;2009年11期

6 蔡政;丁宣浩;陳麗霞;劉憶寧;;敏感圖像識別算法研究[J];企業(yè)科技與發(fā)展;2012年05期

7 程詠梅,潘泉,張洪才,王剛;計算機智能圖像識別算法研究[J];計算機應用;2004年02期

8 張锏;;基于區(qū)域的圖像識別算法研究[J];電腦知識與技術;2010年29期

9 趙穎;孫群;葛廣英;;美國白蛾幼蟲網(wǎng)幕圖像識別算法[J];農(nóng)業(yè)機械學報;2013年09期

10 舒杰磊;;電視透明臺標的圖像識別算法研究[J];數(shù)字通信世界;2009年08期

相關碩士學位論文 前10條

1 王銀立;輸電線路導線斷股及絕緣子自爆的圖像識別算法研究[D];電子科技大學;2014年

2 胡偉;一種新型的太陽能硅片數(shù)片機[D];中國計量學院;2015年

3 王靜;基于ICA和ELM的圖像識別算法研究[D];中國海洋大學;2015年

4 傅天駒;基于深度學習的林火圖像識別算法及實現(xiàn)[D];北京林業(yè)大學;2016年

5 胡惠賢;基于異構(gòu)平臺的視頻圖像識別算法研究與實現(xiàn)[D];華南理工大學;2016年

6 陳文一;動車組異常圖像識別算法及應用研究[D];華中科技大學;2015年

7 王明瀟;圖像識別算法研究及其智能終端上的實現(xiàn)[D];北京郵電大學;2010年

8 張綠云;基于奇異值分解與正交可判別向量的圖像識別算法研究[D];廣西師范大學;2013年

9 魏正宜;紙幣圖像識別算法的研究[D];哈爾濱理工大學;2009年

10 孫長燕;危險物品識別與圖像識別算法研究[D];西安電子科技大學;2006年

，

本文編號：2435941