|本期目錄/Table of Contents|

[1]張善文,張晴晴,齊國紅.基于Fourier描述子和LBP相結合的植物葉片識別方法[J].江蘇農業科學,2019,47(14):273-276.
 Zhang Shanwen,et al.A plant leaf recognition method based on Fourier descriptor and local binary pattern[J].,2019,47(14):273-276.
點擊複制

基于Fourier描述子和LBP相結合的植物葉片識別方法(PDF)
分享到:

《江蘇農業科學》[ISSN:1002-1302/CN:32-1214/S]

卷:
第47卷
期數:
2019年第14期
頁碼:
273-276
欄目:
農業工程與信息技術
出版日期:
2019-08-10

文章信息/Info

Title:
A plant leaf recognition method based on Fourier descriptor and local binary pattern
作者:
張善文 張晴晴 齊國紅
鄭州西亞斯學院,河南新鄭 451150
Author(s):
Zhang Shanwenet al
關鍵詞:
植物識別植物葉片圖像邊界角點序列傅裏葉描述子改進傅裏葉描述子
Keywords:
-
分類號:
TP391.41
DOI:
-
文獻標志碼:
A
摘要:
針對植物葉片的複雜性導致基于葉片植物識別的識別率較低的問題,提出一種基于Fourier描述子和局部二值模式(local binary pattern,簡稱LBP)相結合的植物葉片識別方法。首先,利用Canny算法提取葉片的邊緣圖像,計算其中心-邊緣距離序列的傅裏葉變換,得到葉片圖像的改進Fourier描述子;然後,提取葉片圖像的局部二值模式特征;再利用判別典型相關分析算法將植物葉片的Fourier描述子和LBP特征進行融合,得到1個有利于分類的聯合映射矩陣,由此將2類特征映射爲1個低維特征向量;然後利用K-最近鄰分類器進行植物識別。在公開的智能計算實驗室(intelligent computing laboratory,簡稱ICL)葉片圖像數據庫上進行分類試驗,識別率高達94%以上。結果表明,提出的方法是有效可行的,該研究能夠爲植物物種自動識別系統提供技術參考。
Abstract:
-

參考文獻/References:

[1]張甯,劉文萍. 基于圖像分析的植物葉片識別技術綜述[J]. 計算機應用研究,2011,28(11):4001-4007.
[2]Waeldchen J,Maeder P. Plant species identification using computer vision techniques:a systematic literature review[J]. Archives of Computational Methods in Engineering,2018,25(2):507-543.
[3]Chaki J,Parekh R,Bhattacharya S. Plant leaf recognition using texture and shape features with neural classifiers[J]. Pattern Recognition Letters,2015,58:61-68.
[4]Neto J C,Meyer G E,Jones D D,et al. Plant species identification using Elliptic Fourier leaf shape analysis[J]. Computers and Electronics in Agriculture,2006,50(2):121-134.
[5]趙洋. 基于局部描述子的紋理識別方法及其在葉片識別中的應用[D]. 合肥:中國科學技術大學,2013.
[6]Bhardwaj A,Kaur M,Kumar A. Recognition of plants by leaf image using moment invariant and texture analysis[J]. International Journal of Innovation and Applied Studies,2013,3(1):237-248.
[7]程瓊,莊留傑,付波. 基于傅立葉描述子和人工神經網絡的步態識別[J]. 武漢理工大學學報,2008,30(1):126-129.
[8]張甯,劉文萍. 基于克隆選擇算法和K近鄰的植物葉片識別方法[J]. 計算機應用,2013,33(7):2009-2013.
[9]丁嬌,梁棟,閻慶. 基于D-LLE算法的多特征植物葉片圖像識別方法[J]. 計算機工程與應用,2015,51(9):158-163.
[10]付波,楊章,趙熙臨,等. 基于降維LBP與葉片形狀特征的植物葉片識別方法[J]. 計算機工程與應用,2018,54(2):173-176,187.
[11]劉念,阚江明. 基于多特征融合和深度信念網絡的植物葉片識別[J]. 北京林業大學學報,2016,38(3):110-119.
[12]Hardoon D R,Szedmak S,Shawe-Taylor J. Canonical correlation analysis:An overview with application to learning methods[J]. Neural Computation,2004,16(12):2639-2664.
[13]王小華,錢月晶. 一種改進的Canny邊緣檢測算法[J]. 機電工程,2008,25(12):60-63.
[14]曾峥,李彥,儲海平. 一種改進的基于模糊增強的Canny邊緣提取算法[J]. 科學技術與工程,2009,9(18):5538-5542.
[15]余超超,侯進,侯長征. 基于顯著圖與傅裏葉描述子的交通標志檢測[J]. 計算機工程,2017,43(5):28-34.
[16]Zeng Q M,Zhu T L,Zhuang X E,et al. Using the periodic wavelet descriptor of plant leaf to identify plant species[J]. Multimedia Tools and Applications,2017,76(17):17873-17890.

相似文獻/References:

[1]張善文,張雲龍,尚怡君.1種基于Otsu算法的植物病害葉片圖像分割方法[J].江蘇農業科學,2014,42(04):337.
 Zhang Shanwen,et al.A segmentation method of plant disease leaf images based on Otsu algorithm[J].,2014,42(14):337.
[2]張善文,邵彧,李萍.基于典型相關分析全局和局部特征融合的植物識別方法[J].江蘇農業科學,2019,47(14):255.
 Zhang Shanwen,et al.A plant recognition method based on global-local feature fusion by canonical correlation analysis[J].,2019,47(14):255.
[3]李萍,張波,張善文.基于葉片圖像處理和稀疏表示的植物識別方法[J].江蘇農業科學,2016,44(09):364.
 Li Ping,et al.Recognition of plants based on leaf image processing and sparse representation[J].,2016,44(14):364.

備注/Memo

備注/Memo:
收稿日期:2018-03-21
基金項目:國家自然科學基金(編號:61473132);河南省科技攻關項目(編號:172102210512、182102210546、172102210109、182102311094);河南省教育廳檢測技術與自動化裝置重點學科項目。
作者簡介:張善文(1965—),男,西安人,博士,教授,研究方向爲模糊模式識別及其應用。E-mail:zhangshanwen196@163.com。
更新日期/Last Update: 2019-07-20