植物的品種分類可以促進建立植物表型和性狀的對應(yīng)關(guān)系數(shù)據(jù)庫,逐步實現(xiàn)利用信息化技術(shù)控制作物育種過程,從而推動分子育種的實現(xiàn)�，F(xiàn)有的植物分類方法大多以葉片為研究對象進行不同物種的植物分類,且取得了顯著研究成果,但是缺少對同一物種下的不同品種的細粒度葉片分類的研究。細粒度葉片分類是在物種分類的基礎(chǔ)上進行的更加精細的二次分類,葉片之間極高的類間相似性給分類帶來了巨大挑戰(zhàn),因此,如何更加細致地描述葉片圖像中包含的細節(jié)信息,提取出具有顯著區(qū)分性的特征是細粒度葉片分類的關(guān)鍵問題。針對該問題,本文提出多尺度紋理和輪廓特征融合的分類方法,以大豆品種葉片為研究對象,旨在探究細粒度葉片分類問題,實現(xiàn)植物品種分類,主要研究工作如下:（1）建立了大豆品種葉片數(shù)據(jù)集,為細粒度葉片分類研究提供數(shù)據(jù)支撐。大豆是我國的主要經(jīng)濟作物,種植廣泛,方便采集,因此基于大豆葉片建立了三個不同的數(shù)據(jù)集,分別是大豆多部位葉片數(shù)據(jù)集（Multi-Parts Leaves,MPL）、大豆單部位葉片數(shù)據(jù)集（Single-Part Leaves,SPL）和大豆多生長期葉片數(shù)據(jù)集（Multi-Growth-Stage Leaves,MGSL）... 

【文章來源】：武漢理工大學(xué)湖北省 211工程院校 教育部直屬院校

【文章頁數(shù)】：74 頁

【學(xué)位級別】：碩士

【部分圖文】：

植物不同物種葉片和不同品種葉片的對比圖

3圖1-2常用于葉片描述方法分類示意圖1.2.1基于形狀特征的描述方法形狀是圖像表達中一個非常重要的特征，被認為是一條閉合的輪廓曲線包圍的區(qū)域。九十年代，植物自動化分類技術(shù)迅速發(fā)展，研究者發(fā)現(xiàn)可以借助葉片的形狀對植物進行分類。植物葉片的形狀若沒有外力作用，不會發(fā)生較大變化，且葉片形狀易于觀察、具有較高的區(qū)分度。此后，利用葉片形狀進行植物分類的研究層出不窮。通常葉片形狀特征的描述方法可以分為基于輪廓的描述方法和基于區(qū)域的描述方法[8-9]。（1）基于輪廓的形狀描述方法最初，很多特征是基于葉片輪廓提取的，輪廓包含了葉片邊緣的信息以及邊界點的順序關(guān)系，對于葉片分類具有很強的區(qū)分性，其幾何特性和形態(tài)學(xué)特性，例如，圓形度、偏心距、凹凸性、離心率、周長、直徑等等，常作為全局特征描述葉片形狀。但上述簡單的特征只適合區(qū)分差異較大的形狀，因此，通常與其它特征結(jié)合描述形狀，不適合作為獨立的形狀描述子[10]。其他常用的基于輪廓的形狀描述子有基于空間位置的描述子、基于曲率的描述子以及基于變換域的描述子[11]。a）基于空間位置的形狀描述子基于空間位置的形狀描述子利用輪廓點的空間分布情況描述形狀。其中，典型的是形狀上下文（ShapeContext，SC）[12]，通過輪廓采樣點的上下文信息描述形狀，上下文信息由輪廓采樣點與其他點在極坐標柵格下的空間分布關(guān)系形成，因此可以很好地反映出輪廓采樣點的空間分布特性。在形狀上下文基礎(chǔ)上，Ling等人[13]提出了內(nèi)部距離形狀上下文（InnerDistanceShapeContext，IDSC），利用輪廓點之間的內(nèi)部距離代替形狀上下文的歐氏距離，通過在多個葉片數(shù)據(jù)集上的對比實驗證明，IDSC的葉片分類效果優(yōu)于SC。但是由于IDSC以混合方式計

圖1-3兩個不同種

【參考文獻】：
期刊論文
[1]一種基于分層復(fù)雜性度量的有效的形狀圖像檢索方法[J]. 王斌.  中國科學(xué):信息科學(xué). 2017(12)
[2]λ-變換:一種用于形狀精確描述的數(shù)學(xué)工具[J]. 王斌.  軟件學(xué)報. 2017 (12)
[3]基于形狀特征的葉片圖像識別算法比較研究[J]. 陳良宵,王斌.  計算機工程與應(yīng)用. 2017(09)
[4]基于多特征融合的植物葉片識別研究[J]. 高良,閆民,趙方.  浙江農(nóng)業(yè)學(xué)報. 2017(04)
[5]基于降維LBP與葉片形狀特征的植物葉片識別方法[J]. 付波,楊章,趙熙臨,單治磊.  計算機工程與應(yīng)用. 2018(02)
[6]弦特征矩陣:一種有效的用于植物葉片圖像分類和檢索的形狀描述子[J]. 王斌,陳良宵,葉夢婕.  計算機學(xué)報. 2017(11)
[7]基于克隆選擇算法和K近鄰的植物葉片識別方法[J]. 張寧,劉文萍.  計算機應(yīng)用. 2013(07)
[8]葉片圖像特征提取與識別技術(shù)的研究[J]. 王曉峰,黃德雙,杜吉祥,張國軍.  計算機工程與應(yīng)用. 2006(03)

碩士論文
[1]基于MPEG-7特征融合的商品圖像檢索[D]. 李雅琳.大連交通大學(xué) 2011



本文編號：3297679