基于流形學(xué)習(xí)算法的植物葉片圖像識(shí)別方法研究.pdf

1、農(nóng)業(yè)是人類(lèi)賴(lài)以生存的基礎(chǔ)條件，提高農(nóng)作物產(chǎn)量需要了解不同作物的生長(zhǎng)特征和生理生化參數(shù)。準(zhǔn)確識(shí)別與分類(lèi)作物是監(jiān)測(cè)其長(zhǎng)勢(shì)的首要前提。相比作物植株，葉片存活時(shí)間長(zhǎng)，容易采集，且包含豐富的營(yíng)養(yǎng)及長(zhǎng)勢(shì)信息。因此，可通過(guò)識(shí)別葉片的特征信息來(lái)區(qū)分植物類(lèi)別。近年來(lái)，流形學(xué)習(xí)算法被引入到葉片識(shí)別研究中。該方法的核心思想是利用流形學(xué)習(xí)算法對(duì)提取到的葉片特征進(jìn)行維數(shù)約簡(jiǎn)，實(shí)現(xiàn)葉片圖像特征信息的聚類(lèi)。現(xiàn)有的基于流形學(xué)習(xí)算法的葉片圖像識(shí)別方法雖然在實(shí)拍的植物葉片

2、圖像數(shù)據(jù)庫(kù)上取得了不錯(cuò)的分類(lèi)率，但這些方法本身存在著不足，例如提取的特征問(wèn)題、流形學(xué)習(xí)的有監(jiān)督問(wèn)題和有效地分類(lèi)器識(shí)別問(wèn)題等。
　　針對(duì)目前葉片識(shí)別方法存在的一些不足，本文分別對(duì)植物葉片識(shí)別中的特征提取、流形降維以及分類(lèi)器進(jìn)行研究，提出新的葉片識(shí)別方法。首先，提取原始葉片圖像的高維特征，利用流形學(xué)習(xí)算法對(duì)高維特征進(jìn)行維數(shù)約簡(jiǎn)，得到這些高維特征的低維嵌入;然后，在低維空間利用分類(lèi)器識(shí)別植物葉片的類(lèi)別;最后，基于實(shí)拍的葉片圖像數(shù)據(jù)庫(kù)，進(jìn)

3、行仿真實(shí)驗(yàn)并對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。主要研究?jī)?nèi)容和結(jié)果如下:
　　(1)提出一種基于WLLE和SVM的植物葉片圖像識(shí)別方法。該方法利用加權(quán)局部線性嵌入算法(WLLE)對(duì)由葉片圖像所有像素值構(gòu)成的高維顏色特征進(jìn)行降維，然后利用支持向量機(jī)(SVM)在低維空間識(shí)別葉片圖像的類(lèi)別。該方法解決了低維空間最近鄰分類(lèi)器不能有效識(shí)別植物葉片類(lèi)別問(wèn)題。由實(shí)驗(yàn)結(jié)果表明，該方法提高了葉片圖像識(shí)別率。
　　(2)提出一種基于差異性值監(jiān)督局部線性嵌入(D