基于整体外观特征的植物种类识别研究

• 作者: 周永霞 方勇军 陈淑君
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 普残差法 SIFT 视觉词包模型 支持向量机 极限学习机
• 年，卷（期）: 2017,（9）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 222-227
• 页数: 6页
• 分类号: TP3
• 字数: 3770字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2017.09.044

摘要

提出一种基于整体植物外观特征提取的植物自动识别方案.首先,用普残差法对植物图像进行显著性区域检测,较粗略地得到植物对象,再结合色调信息进行细分割.接着提取该对象区域的SIFT特征作为底层局部特征,建立视觉词包模型,最后设计分类器进行分类.选取了9种常见的室内盆栽,每种植物各28个样本.在实验中,分别对比当前流行的BP神经网络、SVM和ELM三种分类器的分类性能.实验结果发现,支持向量机和极限学习机有较好的分类效果,识别率可以达到90％左右.这对植物识别的研究及应用推广都具有一定的积极作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周永霞	中国计量大学信息工程学院	14	105	5.0	10.0
2	陈淑君	中国计量大学信息工程学院	2	7	2.0	2.0
3	方勇军		2	7	2.0	2.0