基于多特征融合和深度信念网络的植物叶片识别

• 作者: 刘念 阚江明
• 来源期刊: 北京林业大学学报
• 学科: 工学
• 关键词: 叶片识别 傅里叶描述子 局部二值模式 深度信念网络
• 年，卷（期）: 2016,（3）
• 所属期刊栏目: 林业工程 Forestry Engineering
• 页码范围: 110-119
• 页数: 10页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.13332/j.1000-1522.20150267

摘要

基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法，在Flavia数据库中，对32种叶片的识别率为99.37%；在ICL数据库中，对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法，此方法鲁棒性更强，并且识别率更高。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阚江明	北京林业大学工学院	52	625	13.0	24.0
2	刘念	北京林业大学工学院	3	55	2.0	3.0