裴晓芳,胡 敏

(1.南京信息工程大学 滨江学院,江苏 无锡214105;2.南京信息工程大学 江苏省大气环境与装备技术协同创新中心,江苏 南京 210044;3.南京信息工程大学 电子与信息工程学院,江苏 南京 210044)

近年来，我国花卉销售产业规模日益扩大，但由于缺乏专业养护知识，优质花苗的培植成了棘手的问题。图像检索作为计算机视觉的一个分支[1]，可以自动识别植株病症与生长状态，实时协助种植者发现问题并采取应对措施解决问题，已被越来越多地应用到花卉种植领域。但是，图像光照变化、视角转换、尺度差异、背景混乱以及目标遮挡等问题的存在给图像检索技术带来了巨大困难。

2003年，Sivic J等人首次提出特征词袋(Bag-of-Features，BoF)概念，将文本语义检索思路引入到图像检索领域。2005年，Grauman K等人提出了基于BoF的金字塔匹配核函数，将各特征集映射到一个多分辨率的直方图中。文献[1]采用多核学习算法巧妙融合多种不同维度的特征对果蔬图像进行分类识别。2015年，阮嘉等人将概率论引入到BoF中用于识别交通标志[2]。2019年，张泽晨等人提出了多特征融合的BoF图像检索算法，有效利用图像颜色和纹理清晰表述果蔬特征[3]。本实验采用改进式特征词袋图像检索算法对采集到的杜鹃花图像进行处理和识别。

传统单一特征的BoF模型中SIFT(Scale-Invariant Feature Transform)匹配在局部特征匹配中仅作为低级表示，对于复杂特征提取鲁棒性差，且容易产生假匹配[4-5]。为了解决这一问题，本实验首先从杜鹃植株叶片特征入手，在LAB(Logic Array Block)模式下提取图片的相对颜色特征和空间信息组成空间颜色聚合矩阵；……