多尺度纹理和轮廓特征融合的叶片分类方法研究

发布时间：2021-07-22 18:35

　　植物的品种分类可以促进建立植物表型和性状的对应关系数据库,逐步实现利用信息化技术控制作物育种过程,从而推动分子育种的实现。现有的植物分类方法大多以叶片为研究对象进行不同物种的植物分类,且取得了显著研究成果,但是缺少对同一物种下的不同品种的细粒度叶片分类的研究。细粒度叶片分类是在物种分类的基础上进行的更加精细的二次分类,叶片之间极高的类间相似性给分类带来了巨大挑战,因此,如何更加细致地描述叶片图像中包含的细节信息,提取出具有显著区分性的特征是细粒度叶片分类的关键问题。针对该问题,本文提出多尺度纹理和轮廓特征融合的分类方法,以大豆品种叶片为研究对象,旨在探究细粒度叶片分类问题,实现植物品种分类,主要研究工作如下:（1）建立了大豆品种叶片数据集,为细粒度叶片分类研究提供数据支撑。大豆是我国的主要经济作物,种植广泛,方便采集,因此基于大豆叶片建立了三个不同的数据集,分别是大豆多部位叶片数据集（Multi-Parts Leaves,MPL）、大豆单部位叶片数据集（Single-Part Leaves,SPL）和大豆多生长期叶片数据集（Multi-Growth-Stage Leaves,MGSL）... 

【文章来源】：武汉理工大学湖北省 211工程院校 教育部直属院校

【文章页数】：74 页

【学位级别】：硕士

【部分图文】：

植物不同物种叶片和不同品种叶片的对比图

3图1-2常用于叶片描述方法分类示意图1.2.1基于形状特征的描述方法形状是图像表达中一个非常重要的特征，被认为是一条闭合的轮廓曲线包围的区域。九十年代，植物自动化分类技术迅速发展，研究者发现可以借助叶片的形状对植物进行分类。植物叶片的形状若没有外力作用，不会发生较大变化，且叶片形状易于观察、具有较高的区分度。此后，利用叶片形状进行植物分类的研究层出不穷。通常叶片形状特征的描述方法可以分为基于轮廓的描述方法和基于区域的描述方法[8-9]。（1）基于轮廓的形状描述方法最初，很多特征是基于叶片轮廓提取的，轮廓包含了叶片边缘的信息以及边界点的顺序关系，对于叶片分类具有很强的区分性，其几何特性和形态学特性，例如，圆形度、偏心距、凹凸性、离心率、周长、直径等等，常作为全局特征描述叶片形状。但上述简单的特征只适合区分差异较大的形状，因此，通常与其它特征结合描述形状，不适合作为独立的形状描述子[10]。其他常用的基于轮廓的形状描述子有基于空间位置的描述子、基于曲率的描述子以及基于变换域的描述子[11]。a）基于空间位置的形状描述子基于空间位置的形状描述子利用轮廓点的空间分布情况描述形状。其中，典型的是形状上下文（ShapeContext，SC）[12]，通过轮廓采样点的上下文信息描述形状，上下文信息由轮廓采样点与其他点在极坐标栅格下的空间分布关系形成，因此可以很好地反映出轮廓采样点的空间分布特性。在形状上下文基础上，Ling等人[13]提出了内部距离形状上下文（InnerDistanceShapeContext，IDSC），利用轮廓点之间的内部距离代替形状上下文的欧氏距离，通过在多个叶片数据集上的对比实验证明，IDSC的叶片分类效果优于SC。但是由于IDSC以混合方式计

图1-3两个不同种

【参考文献】：
期刊论文
[1]一种基于分层复杂性度量的有效的形状图像检索方法[J]. 王斌.  中国科学:信息科学. 2017(12)
[2]λ-变换:一种用于形状精确描述的数学工具[J]. 王斌.  软件学报. 2017 (12)
[3]基于形状特征的叶片图像识别算法比较研究[J]. 陈良宵,王斌.  计算机工程与应用. 2017(09)
[4]基于多特征融合的植物叶片识别研究[J]. 高良,闫民,赵方.  浙江农业学报. 2017(04)
[5]基于降维LBP与叶片形状特征的植物叶片识别方法[J]. 付波,杨章,赵熙临,单治磊.  计算机工程与应用. 2018(02)
[6]弦特征矩阵:一种有效的用于植物叶片图像分类和检索的形状描述子[J]. 王斌,陈良宵,叶梦婕.  计算机学报. 2017(11)
[7]基于克隆选择算法和K近邻的植物叶片识别方法[J]. 张宁,刘文萍.  计算机应用. 2013(07)
[8]叶片图像特征提取与识别技术的研究[J]. 王晓峰,黄德双,杜吉祥,张国军.  计算机工程与应用. 2006(03)

硕士论文
[1]基于MPEG-7特征融合的商品图像检索[D]. 李雅琳.大连交通大学 2011



本文编号：3297679