火元莲,李俞利

(西北师范大学物理与电子工程学院,甘肃 兰州 730070)

1 引言

植物作为生态系统的重要组成部分，与人类的生命活动息息相关。对植物类别的精准分类，有利于加速农业自动化发展，同时也可为生态学研究做出很大贡献。叶片作为植物的重要器官之一，包含有形状、纹理和颜色等多种具有辨识度的信息，因此通过对植物叶片的分类来判断植物的种类，成为一种形象有效且可行性高的分类方法。

对于植物叶片的分类，由于计算机无法理解图像，因此需要通过分析图像的形状、纹理和颜色等来将其转化为叶片图像特征[1]。基于叶片的形状特征SF(Shape Feature)，Lee等人[2]提出了一种基于叶片轮廓和质心的植物分类和叶片识别系统的实现方法。Mahdikhanlou等人[3]提出了一种利用质心距离和最小惯性轴法的叶片分类方法，从对质心与叶轮廓上所有点之间的距离的快速傅里叶变换中提取10个特征和相位，再结合4种基本几何特征和5种叶脉特征共同组成特征向量，分类准确率达到95.44%，但是叶片图像的基本几何特征对放缩后图像形状特征的表达效果会低于相对几何特征。张善文等人[4]提出一种基于傅里叶描述子和局部二值模式LBP(Local Binary Patterns)相结合的方法，提高了分类准确率，通过叶片图像提取傅里叶描述子，再结合LBP特征进行分类。在公开叶片图像数据集上进行实验，实验的分类准确率达到了94%，但是由于特征类型单一，在一定程度上对相似图像的分类效果不够好。……