[發(fā)明專利]一種KNN優(yōu)化下基于多尺度三角形表征的植物葉片識別方法

在審

• 申請?zhí)枺?/td>: 202210507199.1
• 申請日: 2022-05-10
• 公開（公告）號: CN114821329A
• 公開（公告）日: 2022-07-29
• 發(fā)明（設計）人: 王美華;黃德
• 申請（專利權）人: 華南農業(yè)大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/44;G06V10/54;G06V10/764;G06T7/136;G06K9/62
• 代理公司: 廣州博聯(lián)知識產權代理有限公司 44663
• 代理人: 王洪江

本發(fā)明提供一種KNN優(yōu)化下基于多尺度三角形表征的植物葉片識別方法，包括，輸入RGB三通道的植物葉片圖片，對其進行預處理；獲得植物葉片的三角形輪廓點角度特征TVA、三角形葉子形狀面積特征TUA、三角形紋理特征TGSSL、三角形邊長積分特征TSLI；對每一張植物葉片特征使用上述特征的集合進行表示；根據(jù)正則化后的特征值進行比較。本發(fā)明具有很高的準確性，本發(fā)明的方法都有最高的準確性，當數(shù)據(jù)訓練集和測試集分割比為9:1時，準確率為99.43％；本發(fā)明的方法具有更好的魯棒性，對比算法IDSC的精度下降了50.5％，MARCH下降了10.9％，本發(fā)明的方法只下降了5.35％，具有更強的抗干擾能力。

技術領域

本發(fā)明涉及計算機視覺技術領域，尤其是一種KNN優(yōu)化下基于多尺度三角形表征的植物葉片識別方法。

背景技術

植物的分類調查對保護生物多樣性、農業(yè)生態(tài)和生物技術安全具有重要意義，是生物學和環(huán)境科學領域的一個重要研究課題。快速準確的植物自動識別不僅對植物的分類和調查有很大作用，而且對維護生物多樣性有重要意義。

傳統(tǒng)的人工植物識別方法要求操作人員具有一定的專業(yè)知識，需要了解各種植物。此外，傳統(tǒng)的植物識別方法往往存在工作量大、工作效率低、操作人員易受主觀因素影響等問題。因此，將植物自動識別技術引入植物分類，可以大大提高分類調查的效率。更重要的是，植物自動識別該技術具有操作簡單的優(yōu)點，不需要操作者具有深厚的植物專業(yè)知識，也可以在一定程度上幫助有經驗的植物學家和植物生態(tài)學家植物物種的識別通常需要觀察植物的某些形態(tài)特征，而葉片是植物的重要無性器官。不同植物的葉子有一定的差異，所以用葉子來識別植物是一種非常普遍的方法。

葉子自動識別技術涉及葉子圖像的檢索和分類。許多研究者對從樹葉圖像中提取多尺度的輪廓特征感興趣，他們認為輪廓特征可以普遍地描述樹葉的整體布局和局部細節(jié)；這些特征是對樹葉圖像的輪廓點所擬合的形狀，以及一系列的參數(shù)如長寬比、面積、中心點和偏心率的計算；基于紋理特征的樹葉識別和檢索技術提取灰階葉子圖像的共生矩陣、局部二進制模式和Gabor圖譜。

無論上述方法是基于葉片輪廓特征、葉片形狀區(qū)域特征還是葉片紋理特征，它們對葉片檢索和分類都具有重要意義。

目前對移動設備和微型計算機的需求正在上升，葉子檢索和分類程序需要更多輕量級和低消耗的算法，同一類型的植物的葉片有很大的不同，這給準確的檢索帶來很大的困難。為了解決上述困難，本申請?zhí)岢隽艘环N新的多尺度葉特征描述。

發(fā)明內容

針對現(xiàn)有技術的不足，本發(fā)明提供一種KNN優(yōu)化下基于多尺度三角形表征的植物葉片識別方法，本發(fā)明利用多種三角形特征對植物葉片的特征進行提取，包括葉子輪廓特征、葉子形狀面積特征和紋理特征，并且減少了原版三角形方法計算方法的計算量，降低了難度，提高了計算速度，并且通過多種特征提取方法的結合，提升了算法的精確度和魯棒性。

本發(fā)明的技術方案為：一種KNN優(yōu)化下基于多尺度三角形表征的植物葉片識別方法，包括以下步驟：

S1)、輸入RGB三通道的植物葉片圖片，對其進行預處理，提取植物葉片圖片的輪廓點；

S2)、對于提取的植物葉片輪廓點進行標號，并且進行分組，基于多尺度的三角形特征提取方法，來獲得植物葉片的三角形輪廓點角度特征TVA、三角形葉子形狀面積特征TUA、三角形紋理特征TGSSL、三角形邊長積分特征TSLI；

S3)、每一張植物葉片特征使用上述特征的集合進行表示，表示方法都與輪廓點的起始位置有關，對上述進行快速傅里葉變換，獲得長度為N的傅里葉系數(shù)序列，根據(jù)上述特征的選擇不變性，因此，起點不同不會改變傅里葉系數(shù)；

S4)、根據(jù)正則化后的特征值進行比較，每一張植物葉片圖像可以使用集合(TUA，TVA，TGA，TGSD，TSLI)來對比找到葉子種類，具體方法如下：