【摘要】：針對傳統(tǒng)特征提取方法不能很好地表示左右不對稱和彎曲葉片圖像信息的問題,提出一種基于深度神經(jīng)網(wǎng)絡的多尺度特征提取方法。首先借鑒空間金字塔匹配模型思想,提取各個空間子區(qū)域的高階Zernike矩特征,使用滑動圓形窗口提取對象域的極坐標傅里葉變換描述子;其次將Zernike矩和傅里葉特征作為深度神經(jīng)網(wǎng)絡的輸入向量獲取深度抽象特征。實驗結(jié)果表明,與多種特征提取方法相比,該方法具有較好的特征表示性能。
【圖文】：

，x12］，y=［y11，y12，…，y112，y21，y22，…，y212，…，y41，y42，…，y412］，z=［z11，z12，…，z112，z21，z22，…，z212，…，z161，z162，…，z1612］。其中，yi=［yi1，yi2，…，yi12］，i=1，2，3，4，表示L1層第i個空間域的12個Zernike矩特征，zj=［zj1，zj2，…，zj12］(j=1，2，…，16)表示L2層第j個空間域的12個Zernike矩特征。圖1SPM示意圖Fig．1Thediagramofspatialpyramidmatching任選Flavia數(shù)據(jù)集中3類相似植物種類，如圖2所示。圖3描述了經(jīng)PCA降維后的L2層55個特征值，貢獻率設置為95%。根據(jù)圖3可知，圖2中相似植物種類在多個等特征下具有明顯區(qū)分度。圖2相似植物種類Fig．2Thesimilarplantspecies圖3相似種類z特征Fig．3Thezvalueofthesimilarspecies2.2.2PFTD特征文中利用自適應閾值分割算法［18］獲取對象域，將葉片長軸ll作為橫坐標軸，短軸，ls作為縱坐標軸，對象被分割成4個域，再利用滑動圓形窗口在各個區(qū)域提取PFTD特征，半徑r=ls/4。據(jù)Kadir［10］實驗結(jié)果可知:Ｒfmax=4，Tfmax=6時取得最佳分類效果，文中也設置相同參數(shù)。在Flavia數(shù)據(jù)集上共提取400個PFTD特征。為了簡化計算，經(jīng)PCA降維后維度變?yōu)?1個。圖4為相似種類的PFTD特征值，根據(jù)圖4可知相似種類在PFTD特征下區(qū)分度不明顯，恰與Zernike矩特征互補。2.2.3深度網(wǎng)絡抽象特征為了訓練對象本質(zhì)特征，采用包含瓶頸層的DNN［19］進行特征優(yōu)化，瓶頸層包含節(jié)點數(shù)最少，因此，將該層節(jié)點值作為輸入向量的低維表示。圖5?

…，y41，y42，…，y412］，z=［z11，z12，…，z112，z21，z22，…，z212，…，，z161，z162，…，z1612］。其中，yi=［yi1，yi2，…，yi12］，i=1，2，3，4，表示L1層第i個空間域的12個Zernike矩特征，zj=［zj1，zj2，…，zj12］(j=1，2，…，16)表示L2層第j個空間域的12個Zernike矩特征。圖1SPM示意圖Fig．1Thediagramofspatialpyramidmatching任選Flavia數(shù)據(jù)集中3類相似植物種類，如圖2所示。圖3描述了經(jīng)PCA降維后的L2層55個特征值，貢獻率設置為95%。根據(jù)圖3可知，圖2中相似植物種類在多個等特征下具有明顯區(qū)分度。圖2相似植物種類Fig．2Thesimilarplantspecies圖3相似種類z特征Fig．3Thezvalueofthesimilarspecies2.2.2PFTD特征文中利用自適應閾值分割算法［18］獲取對象域，將葉片長軸ll作為橫坐標軸，短軸，ls作為縱坐標軸，對象被分割成4個域，再利用滑動圓形窗口在各個區(qū)域提取PFTD特征，半徑r=ls/4。據(jù)Kadir［10］實驗結(jié)果可知:Ｒfmax=4，Tfmax=6時取得最佳分類效果，文中也設置相同參數(shù)。在Flavia數(shù)據(jù)集上共提取400個PFTD特征。為了簡化計算，經(jīng)PCA降維后維度變?yōu)?1個。圖4為相似種類的PFTD特征值，根據(jù)圖4可知相似種類在PFTD特征下區(qū)分度不明顯，恰與Zernike矩特征互補。2.2.3深度網(wǎng)絡抽象特征為了訓練對象本質(zhì)特征，采用包含瓶頸層的DNN［19］進行特征優(yōu)化，瓶頸層包含節(jié)點數(shù)最少，因此，將該層節(jié)點值作為輸入向量的低維表示。圖5為深度神經(jīng)網(wǎng)絡架構(gòu)。文中將每幅圖像多尺度下的Zernike矩和PFTD特征排列成列向量xi，所有輸?
【作者單位】： 西北大學信息科學與技術(shù)學院;北京師范大學信息科學與技術(shù)學院;
【基金】：國家自然科學基金資助項目(61373117) 高等學校博士學科點專項科研基金資助項目(20136101110019) 研究生自主創(chuàng)新基金資助項目(YZZ15098)
【分類號】：TP18

【參考文獻】

相關期刊論文 前4條

1 崔瑞蓮;宋彥;蔣兵;戴禮榮;;基于深度神經(jīng)網(wǎng)絡的語種識別[J];模式識別與人工智能;2015年12期

2 王麗君;淮永建;彭月橙;;基于葉片圖像多特征融合的觀葉植物種類識別[J];北京林業(yè)大學學報;2015年01期

3 李帥;許悅雷;馬時平;倪嘉成;史鶴歡;;一種深度神經(jīng)網(wǎng)絡SAR遮擋目標識別方法[J];西安電子科技大學學報;2015年03期

4 董紅霞;郭斯羽;;一種結(jié)合形狀與紋理特征的植物葉片分類方法[J];計算機工程與應用;2014年23期

【共引文獻】

相關期刊論文 前10條

1 顧亞風;葉學義;夏經(jīng)文;夏胡云;;基于卷積神經(jīng)網(wǎng)絡的古玩圖片分類方法[J];軟件導刊;2017年05期

2 任榮榮;周明全;耿國華;劉曉寧;王恒;;基于深度神經(jīng)網(wǎng)絡的多尺度特征提取方法[J];西北大學學報(自然科學版);2017年02期

3 高良;閆民;趙方;;基于多特征融合的植物葉片識別研究[J];浙江農(nóng)業(yè)學報;2017年04期

4 吳笑鑫;高良;閆民;趙方;;基于多特征融合的花卉種類識別研究[J];北京林業(yè)大學學報;2017年04期

5 楊森;馮全;王書志;張芮;;基于改進可變形部件模型與判別模型的葡萄葉片檢測與跟蹤[J];農(nóng)業(yè)工程學報;2017年06期

6 陳明健;陳志泊;楊猛;莫琴;;葉片傳統(tǒng)特征和距離矩陣與角點矩陣相結(jié)合的樹種識別算法[J];北京林業(yè)大學學報;2017年02期

7 劉驥;曹鳳蓮;甘林昊;;基于葉片形狀特征的植物識別方法[J];計算機應用;2016年S2期

8 李萍;張波;張善文;;基于葉片圖像處理和稀疏表示的植物識別方法[J];江蘇農(nóng)業(yè)科學;2016年09期

9 張凱兵;章愛群;李春生;;基于HSV空間顏色直方圖的油菜葉片缺素診斷[J];農(nóng)業(yè)工程學報;2016年19期

10 張帥;淮永建;;基于分層卷積深度學習系統(tǒng)的植物葉片識別研究[J];北京林業(yè)大學學報;2016年09期

【二級參考文獻】

相關期刊論文 前10條

1 張寧;劉文萍;;基于克隆選擇算法和K近鄰的植物葉片識別方法[J];計算機應用;2013年07期

2 孫志軍;薛磊;許陽明;;基于深度學習的邊際Fisher分析特征提取算法[J];電子與信息學報;2013年04期

3 張娟;黃心淵;;基于圖像分析的梅花品種識別研究[J];北京林業(yè)大學學報;2012年01期

4 陳寧寧;;幾種圖像閾值分割算法的實現(xiàn)與比較[J];電腦知識與技術(shù);2011年13期

5 楊輝軍;陳立偉;;基于分形特征的植物識別[J];計算機工程與設計;2010年24期

6 楊福增;楊亮亮;田艷娜;楊青;;基于顏色和形狀特征的茶葉嫩芽識別方法[J];農(nóng)業(yè)機械學報;2009年S1期

7 侯銅;姚立紅;闞江明;;基于葉片外形特征的植物識別研究[J];湖南農(nóng)業(yè)科學;2009年04期

8 黃林;賀鵬;王經(jīng)民;;基于概率神經(jīng)網(wǎng)絡和分形的植物葉片機器識別研究[J];西北農(nóng)林科技大學學報(自然科學版);2008年09期

9 宦若虹;楊汝良;岳晉;;一種合成孔徑雷達圖像特征提取與目標識別的新方法[J];電子與信息學報;2008年03期

10 胡利平;劉宏偉;吳順君;;一種新的SAR圖像目標識別預處理方法[J];西安電子科技大學學報;2007年05期

【相似文獻】

相關期刊論文 前10條

1 云中客;新的神經(jīng)網(wǎng)絡來自于仿生學[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學院學報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡及其應用研究[J];計算機工程與應用;2004年21期

5 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡及其應用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡在股票市場預測中的應用[J];軟件導刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡的過去談科學發(fā)展觀[J];重慶三峽學院學報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡的過去、現(xiàn)在和將來[J];青年探索;2006年04期

相關會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應用學術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產(chǎn)品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術(shù)會議論文集[C];2010年

相關重要報紙文章 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術(shù)及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

相關博士學位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術(shù)研究[D];東南大學;2015年

相關碩士學位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

本文編號：2537447