[發明專利]一種基于樹葉圖片辨別樹種的方法

在審

• 申請號: 202210158900.3
• 申請日: 2022-02-21
• 公開（公告）號: CN114565525A
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 秦延寧
• 申請（專利權）人: 秦延寧
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06T5/30;G06T7/13;G06T7/62;G06N3/08;G06K9/62;G06V10/764;G06V10/774;G06V10/74;G06V10/82
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于樹葉圖片辨別樹種的方法，其特征在于，包括以下步驟：

步驟1、采集樹葉圖片，劃分訓練集與測試集；

步驟2、圖片預處理；

步驟3、提取訓練集的樹葉的特征；

步驟4、對提取形狀特征進行整合作為特征矢量，對特征矢量先進行歸一化，再將歸一化的特征矢量輸入到BP神經網絡進行訓練，得到樹種辨別模型；

步驟5、提取測試集的樹葉的特征，輸入樹種辨別模型，輸出識別結果。

2.如權利要求1所述的一種基于樹葉圖片辨別樹種的方法，其特征在于，所述步驟1中，采集不同樹種的圖片，樹種包括：銀杏、楓樹、柳樹、石榴、白樺，每種樹葉數量不少于100，圖片大小為300*300像素，將采集的圖片作為數據集，把數據集劃分為訓練集與測試集，訓練集與測試集的比例為8∶2。

3.如權利要求2所述的一種基于樹葉圖片辨別樹種的方法，其特征在于，所述步驟2中，圖片預處理包括：去噪、灰度化、二值化、邊緣檢測、腐蝕、膨脹以及填充；

其中去噪的方式選擇巴特沃斯低通濾波器去噪、FIR低通濾波器去噪、移動平均濾波去噪、中值濾波去噪、維納濾波去噪、自適應濾波去噪、小波去噪中的其中一種；

其中灰度化采用最大值法對圖片進行灰度化，公式如下：

Gray(x，y)＝max{R(x，y)，G(x，y)，B(x，y)} (1)

公式(1)中，R(x，y)、G(x，y)、B(x，y)分別表示RGB三個分量；

其中二值化處理，其公式如下：

公式(2)中，T為二值化閾值，二值化中閾值確定選擇雙峰法、P參數法、最大類方差法、最大熵閾值法、最佳閾值法中的其中一種。

其中邊緣檢測采用Prewitt算子，該算子既能檢測邊緣，還能抑制噪聲的影響；

4.如權利要求3所述的一種基于樹葉圖片辨別樹種的方法，其特征在于，所述步驟3中，提取的特征包括：圓形度、矩形度、最小外接矩形的長寬比、不變矩、傅里葉描述子；

其中圓形度表示物體邊緣與圓的相似程度，計算公式如下：

公式(3)中，S表示物體的面積，L表示物體的周長，e表示圓形度；

其中矩形度表示物體與矩形的相似程度，計算公式如下：

公式(4)中，S表示物體的面積，S_R表示物體的最小外接矩形的面積，R表示矩形度；

其中最小外接矩形的長寬比是最小外接矩形長軸與短軸的比值，計算公式如下：

公式(5)中，a表示最小外接矩形長軸，b表示最小外接矩形短軸，ε表示最小外接矩形的長寬比；

其中不變矩主要表征了圖像區域的幾何特征，采用Hu.M.K提出的7個不隨水平、旋轉、等比縮放變化的矩組，定義如下：

M₁＝μ₂₀+μ₀₂ (6)

M₂＝(μ₂₀-μ₀₂)²+4μ₁₁² (7)

M₃＝(μ₃₀-3μ₁₂)²+(3μ₂₁-μ₀₃)² (8)

M₄＝(μ₃₀+μ₁₂)²+(μ₂₁+μ₀₃)² (9)

M₅＝(μ₃₀-3μ₁₂)(μ₃₀+μ₁₂)[(μ₃₀+μ₁₂)²-3(μ₂₁+μ₀₃)²]+(3μ₂₁-μ₀₃)(μ₂₁+μ₀₃)[3(μ₃₀+μ₁₂)²-(μ₂₁+μ₀₃)²] (10)

M₆＝(μ₂₀-μ₀₂)[(μ₃₀+μ₁₂)²-(μ₂₁+μ₀₃)²]+4μ₁₁(μ₃₀+μ₁₂)(μ₂₁+μ₀₃) (11)

M₇＝(3μ₂₁-μ₀₃)(μ₃₀+μ₁₂)[(μ₃₀+μ₁₂)²-3(μ₂₁+μ₀₃)²]-(μ₃₀-3μ₁₂)(μ₂₁+μ₀₃)[3(μ₃₀+μ₁₂)²-(μ₂₁+μ₀₃)²] (12)

公式(6)-(12)中，μ_pq表示歸一化(p+q)階中心矩，p，q＝0，1，2，3；

傅里葉描述子是描述物體形狀邊界的傅里葉變換系數，計算公式如下：

假設一個由N點組成的封閉邊界，從任一點P開始繞邊界一周得到：

s(k)＝x(k)+jy(k)，k＝0，1，...，N-1 (13)

公式(13)中，x(k)和y(k)是動點P的坐標，j為系數；

s(k)的離散傅里葉變換(DFT)為：

公式(14)中，u＝0，1，...，N-1，a(u)是邊界的傅里葉描述子

歸一化傅里葉描述子d′(k)為：

本發明中，取前10個系數作為傅立葉描述子特征。