Plant Recognition Based on Compound Leaf Features

Xiang Gao, Zheng Wang, Ding Jianya, Qian YangCHINESE 2014 · DOI

Abstract

摘要: 该文探讨如何根据植物的叶片特征, 利用图像处理和机器学习的方法对植物进行分类。鉴于现有的叶片分类系统多采用单一的特征, 如几何和纹理等, 仅能在小规模数据库上得到较好的结果。然而, 随着样本种类的增多, 单一特征在不同种类叶片之间的相似性非常明显, 致使分类正确率降低。该研究使用多种复合特征, 并提出了原创的预处理方法以及宽度、叶缘频率特征, 较传统的几何特征更为详尽。研究结果显示, 复合特征可以有效避免算法过拟合问题, 使之适用于更大的数据库。通过提取21类植物的叶片宽度、颜色、叶缘和纹理共292维特征, 对1 915张数字图像进行了分类, 正确率达到93%, 并分析了各类特征对分类结果的影响。研究结果表明, 在不影响分类正确率前提下, 可将特征减少到约100维。
BibTeX
@inproceedings{gao2014plant,
  author = {Xiang Gao and Zheng Wang and Ding Jianya and Qian Yang},
  title = {{Plant Recognition Based on Compound Leaf Features}},
  booktitle = {CHINESE},
  year = {2014},
  doi = {10.3724/sp.j.1259.2014.00450},
}

Loading related content...

Figure