基于復(fù)二次分割和復(fù)頻域特征的植物葉片識別算法研究

發(fā)布時間：2020-11-12 15:57

　　植物識別一直是計算機視覺領(lǐng)域最具有挑戰(zhàn)性的研究方向之一,加快植物識別技術(shù)的發(fā)展可以有效保護植物多樣性,維護生態(tài)平衡,促進(jìn)社會發(fā)展�？紤]到葉片具有易采集、易保存等優(yōu)點,多將葉片作為植物識別的研究對象。植物葉片識別主要有4個階段,包括圖像獲取、圖像預(yù)處理、特征提取和圖像識別。在圖像采集過程中,機器容易受到光照以及拍攝角度的影響,從而導(dǎo)致拍攝的葉片圖像出現(xiàn)光照不均以及陰影的現(xiàn)象,這對以后的葉片圖像分割和識別會造成一定的影響。另外當(dāng)前研究者們主要在空間域提取葉片特征,而在空間域提取特征往往會引入較多的冗余信息從而降低特征的有效性。所以,研究如何提高圖像分割精度和降低特征中的冗余信息對植物葉片識別技術(shù)的發(fā)展具有重要意義。本文針對Leafsnap和Flavia數(shù)據(jù)庫中的植物葉片圖像,就圖像分割和特征提取問題展開研究,本文的主要工作內(nèi)容有:(1)提出了一種基于復(fù)二次分割的葉片圖像處理算法。針對圖像中存在光照不均和陰影而難以分割的問題,該算法首先將植物葉片圖像由RGB空間轉(zhuǎn)化為對人眼適應(yīng)性更好的HSV空間;然后取出HSV空間中的V通道,對V通道進(jìn)行一次同態(tài)濾波處理,可以在不改變顏色信息的情況下對圖像進(jìn)行光照補償;為了在進(jìn)行圖像分割時盡可能保護葉片區(qū)域,先采用無監(jiān)督學(xué)習(xí)k-means聚類分割算法剔除較為明顯的背景區(qū)域,后采用谷底最小值分割算法找到葉片與陰影的分界點,再進(jìn)行二次分割;最后使用形態(tài)學(xué)方法移除植物葉柄和剩余的噪聲塊。(2)提出了一種基于復(fù)頻域紋理特征的植物葉片識別算法。針對在空間域上提取特征會引入較多冗余信息從而降低特征有效性的問題,該算法首先對處理后的葉片圖像進(jìn)行分塊處理,而分塊有助于保留局部細(xì)節(jié)信息;然后引入雙樹復(fù)小波變換對每個圖像塊進(jìn)行復(fù)頻域分解,提取分解后的6個高頻子帶和2個低頻子帶;接著分別對高頻子帶提取局部二值模式特征并對低頻子帶提取局部相位量化特征,融合兩種特征得到圖像塊的特征;為了減少背景等無效信息的干擾,引入了權(quán)重因子對每個圖像塊特征進(jìn)行加權(quán)處理,再串接所有圖像塊的特征得到整個圖像的特征,即復(fù)頻域紋理特征;最后計算所有訓(xùn)練集和測試集的復(fù)頻域紋理特征,分別通過KNN和SVM分類器進(jìn)行分類識別。(3)給出了復(fù)二次分割和復(fù)頻域紋理特征識別算法在各種數(shù)據(jù)庫上的對比實驗。本文分別選取了Flavia和Leafsnap兩種對比度較高的植物葉片數(shù)據(jù)庫,分別進(jìn)行了葉片圖像分割實驗和葉片圖像識別實驗。葉片圖像分割實驗結(jié)果表明復(fù)二次分割算法較其他分割算法分割效果更好,在分割誤差、假陽性率、假陰性率三項評價指標(biāo)上,復(fù)二次分割算法均取得了較好的結(jié)果,Leafsnap數(shù)據(jù)庫上的平均值分別為7.40%、1.50%、0.86%。葉片圖像識別實驗結(jié)果表明復(fù)頻域紋理特征較其他特征具有更強的描述性且識別結(jié)果更好,與其他文獻(xiàn)算法相比也具有一定的優(yōu)勢,其中在Flavia數(shù)據(jù)庫上的最高識別率超過95%。
【學(xué)位單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP391.41;Q949
【部分圖文】：

植物葉片,主要步驟

安徽大學(xué)碩士學(xué)位論文?基于復(fù)二次分割和復(fù)頻域特征的植物葉片識別算法研宄??第二章植物葉片識別的基本理論與方法??植物識別的基本過程主要包含４個部分：獲取圖像、圖像預(yù)處理、特征提取、??分類識別。本文的處理對象是植物葉片圖像，那么首先要進(jìn)行的是圖像輸入；然??后針對輸入的圖像進(jìn)行預(yù)處理，包括圖像顏色空間的選取、圖像分割、圖像去噪、??圖像增強、圖像灰度化、圖像二值化等；預(yù)處理完成后，根據(jù)不同的特征要求，??提取圖像的特征，對原始特征進(jìn)一步處理得到目標(biāo)特征；最后將所有植物圖片得??到的特征輸入選擇的分類器中進(jìn)行訓(xùn)練和測試，調(diào)整參數(shù)，得到最好的訓(xùn)練模型，??再對輸入圖像進(jìn)行識別Ｗ。有關(guān)植物葉片識別的主要步驟如圖２－１所示：??

顏色空間,立體模型,立方體

第二章植物葉片識別的基本理論與方法??和Ｂ（藍(lán)）三個分量組成，在三維空間中的三個分量分別有三個軸與之對應(yīng)［３］。ＲＧＢ??顏色空間的立體模型如圖２－２所示。??Ｂ??１?Ｌ??藍(lán)色（０，０，１）?青色??品紅??Ｉ?白色??Ｉ??Ｉ??黑色?｜?（０，１，０）??／?￣？?Ｇ??／?（〇，〇，〇）?／?綠色??ｆｉ．ｏ?乎?ＩＸ??色?黃色??Ｒ??圖２－２?ＲＧＢ顏色空間立體模型??Ｆｉｇ．２－２?Ｃｏｌｏｒ?ｓｐａｃｅ?ｓｔｅｒｅｏｓｃｏｐｉｃ?ｍｏｄｅｌ?ｏｆ?ＲＧＢ??從圖中可以看出ＲＧＢ顏色空間立體模型是一個立方體，Ｒ、Ｇ、Ｂ分別表示??紅色、綠色、藍(lán)色三個顏色坐標(biāo)軸，兩兩保持垂直。通過這三種基本顏色，調(diào)節(jié)??每種顏色的比例，可以混合表示各種其他的顏色。立方體內(nèi)部或者表面上分布著??各種顏色的點，原點（〇．〇，〇）表示黑色，（１丄１）表示白色

顏色空間,立體模型