干旱区植物叶片识别研究

• 作者: 努尔巴依 王丹 郑江华
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 金字塔梯度方向直方图 差异性值 支持向量机 干旱区植物叶片
• 年，卷（期）: 2019,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 129-133
• 页数: 5页
• 分类号: TP391.41
• 字数: 3761字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1803-0473

摘要

现有植物叶片识别方法都是基于扁平状叶片,而干旱区植物叶片多呈针叶,因此不适合干旱区植物叶片的识别,使得对于干旱区植物研究主要依靠专家识别,不利于对干旱区植物叶片的进一步研究.提出使用差异性值监督局部线性嵌入算法D-LLE,充分挖掘样本之间的类别信息,提高干旱区植物叶片的识别效率.首先利用金字塔梯度方向直方图(PHOG)的方法提取叶片图像特征,再使用PCA、LLE、WLLE、D-LLE等主流的降维算法,对提取的PHOG特征进行降维,最后建立支持向量机(SVM)的分类模型对植物叶片图像分类.经过这四种降维算法后的平均识别率分别为76.3%、85.3%、89.1%、95.5% ;骆驼刺、苦豆子和沙枣的叶片正确识别率,相对其他植物叶片较低.通过实验证明了PHOG特征在植物叶片特征提取的可行性,使用D-LLE算法相比传统特征降维的算法具有更高的效率,且较适合于干旱区植物叶片的自动识别分类.