植物叶图像特征分析和分类检索

研究基于植物叶特征的植物属种自动图像分类检索技术。为了解决植物属种众多引起的分类困难,综合应用了图像分类和图像检索的一些概念模型和方法,如根据图像检索概念,构建以叶形和叶缘特征变化为依据的阔叶类植物(单叶)分类语义字典;根据图像分类原理,设计字典各层分支结点的描述符;根据相似概率索引方法,推求字典叶节点成员属于特定植物种的概率,进而实现对植物属种做图像分类索引的功能。以适量样本所做的分类实验表明:面积凹凸比、长宽比、右边界非线性拟合二次项系数、上边界非线性拟合二次项系数、最宽处位置指数等描述符对于阔叶植物分类有效。通过这些描述符可以将31类阔叶植物划分到8个叶节点,并检索其具体属种;全局分类精度平均为94.19%。并初步证明了如下结论:分类语义字典组织的分层分类+叶节点成员相似性检索的技术框架,可以有效扩大植物属种辨识数量、提高辨识精度,是植物数字搜索引擎合理有效的概念模型。     

基于Android手机和图像特征识别技术的植物叶片分类系统的研究

通过对植物叶片进行分类,在植物种类鉴别研究中有着重要的意义.在传统的植物叶片分类中,大多都是在PC机上构建叶片分类系统.该研究基于Android操作系统手机平台,构建了结合图像特征识别技术的植物叶片分类系统,设计了系统的主界面及相关操作界面,在VS开发环境下利用OpenCV中图像处理的相关类函数,实现图像处理的过程,最终通过在Android开发环境下调用本地C++代码的方式实现整个系统.     

植物多叶片图像目标识别和叶面积测量方法

分析了图像处理方法测量叶面积中采用CCD照相机和扫描仪2种采集设备各自的优、缺点.针对目前各种叶面积测量方法均为逐片测量的局限性,以MATLAB数学分析软件为平台开发了对多叶片扫描图像中各叶片进行目标识别和面积计算的算法.试验结果表明,该算法在叶片间不重叠的条件下识别准确率达到100%,测量得到的叶面积与采用称重法得到的叶面积间的相对误差为2.43%,决定系数(R2)为0.999 6.试验证明,该算法可以实现对多叶片扫描图像中各叶片的准确识别和叶面积测量.     

模式识别在植物叶片识别中的应用

总结了模式识别在植物叶片自动化识别中的典型应用.模式识别在植物叶片识别中主要应用于植物分类、植物缺素研究和植物病害的自动诊断等方面.模式识别在植物叶片识别方面起到了重要作用,具有广阔的发展前景.     

彩叶植物分类及其园林应用

彩叶植物是园林植物的重要组成部分,以其独特的观赏价值倍受园林工作者青睐。彩叶植物的园林应用应遵循生态适应性原则,考虑季相变化,突出设计主题,并与环境相协调,根据实际选择合适的应用形式。指出了彩叶植物应用中存在的问题,并对其应用前景进行了展望。     

基于概率神经网络和分形的植物叶片机器识别研究

【目的】提出一种将植物叶片的形状特征与其纹理特征相结合的综合特征识别方法,有效解决了传统的植物机器识别分类特征单一且识别率较低的问题,为植物的快速机器识别提供技术参考。【方法】提取植物叶片样本的综合特征信息,以概率神经网络(PNN)为分类器对所得的特征信息进行训练,训练好的网络用来识别植物叶片的类别,从而确定相应植物的种类。【结果】有效提取了含有8个分量的植物叶片综合特征向量,通过对PNN分类器的训练,实现了30种植物叶片的快速机器识别,平均识别率达98.3%。比较测试表明,若去掉叶片纹理特征,单以其形状特征作为识别依据,平均识别率仅为93.7%。【结论】植物叶片综合特征识别方法有效弥补了传统单特征识别方法的不足,使识别效率得到了较大的提高。     

基于叶片外形特征的植物识别研究

提出了一种基于植物叶片形状特征的方法对叶片进行识别,首先对叶片进行预处理,其中包括滤波和阈值分割,然后提取叶片的相对特征参数,得到了8个特征参数。使用BP神经网络对现有的几种叶片进行分类,选择隐含层数、调节学习效率、动量因子等参数。在VC 6.0环境下循环计算、调整权值、阈值,最终识别成功,并达到了87.5%的平均识别率。     

基于叶片电特性和叶水势的植物缺水度研究

为了快速准确诊断植物缺水状况,试验研究了植物缺水信息与植物叶片电特性和叶水势之间的变化规律.结果表明植株干旱程度与叶片电特性和叶水势按一定规律变化.但叶水势由于受气象条件影响日变化较大,只有在相同时段内的变化才具规律性,测量与比较都较繁琐.而叶片电容受环境影响较小,日变化小,测量更简洁直观,是快速准确获取植物缺水信息的较理想的新方法.     

天津市9种彩叶植物叶片色度分析

为了比较不同彩叶植物品种的色度变化,为彩叶植物的引种、筛选和景观布置提供依据。本文通过天津市9种常见彩叶植物叶片的明度、红绿饱和度、黄蓝饱和度的分析,比较了它们的色度特性。结果显示:金叶槐的明度是金色系彩叶植物中最高的,最低的是金叶女贞;红色系最高的是红叶杨,最低的是彩叶草。红绿饱和度中最高的是红叶杨,其次是彩叶草,最低的是紫叶李。黄蓝饱和度中最高的是金叶槐,最低的是彩叶草。综合分析认为,金叶槐叶片黄色最浓,亮度最高。金枝槐和金叶榆叶片黄色色度一样,但金枝槐更绿。金叶女贞是几种金叶植物中黄色最淡,绿色最浓的种类。红叶杨亮度较高,以红蓝色为主。北美海棠以绿色为主,略带黄色。红叶桃以黄绿色为主。彩叶草以红蓝色为主。紫叶李以蓝红色为主。     

基于多特征融合和深度信念网络的植物叶片识别

基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用“dropout”方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。      

彩叶植物叶片呈色影响因素浅析

对彩叶植物的呈色原理及影响叶片呈色的因素进行了阐述,以期对彩叶植物的研究及栽培应用提供参考。     

基于多特征融合的植物叶片识别研究

植物叶片识别作为植物自动分类识别的重要分支,有着很高的实际应用价值。针对当前叶片特征描述存在的局限和叶片识别准确率较低的实际,以叶片图像为研究对象,首先对图像进行预处理,在提取叶片几何特征和纹理特征的基础上,设计描述叶片轮廓的距离矩阵和角点矩阵,通过计算基于几何特征、纹理特征和角点距离矩阵的综合相似度对叶片进行精确识别。对Flavia数据集中的32类共计960幅叶片图像进行训练和测试,结果表明,基于叶片图像多特征融合的识别方法对叶片特征描述能力更强,识别准确率更高,对Flavia数据集的识别率可达97.50%,具有较好的识别效果。     

基于叶片特征的计算机辅助植物识别模型

植物的数量分类的主要依据是植物的外观特征，通过提取大量特征数据进行聚类分析获得结果。传统做法都是手工测量采集原始数据，效率较低。由于外观特征都可以以数字图片方式获得，通过计算机图像处理分析等技术采集数据并做聚类分析将大大提高效率。关键问题在于特征自动分析和获取，以植物叶片为例，阐述了如何提取大小、叶形及叶缘特征的方法，改进了圆形度参数的定义。提出了计算机辅助植物识别(CAPI)的概念，并对其前景做了讨论和展望。图3参8     

基于双路卷积神经网络的植物叶片识别模型

目的针对卷积神经网络识别植物叶片过程中,叶片边缘形状对卷积层的过度作用而导致相似边缘形状叶片识别错误的问题,提出了一种双路卷积神经网络的植物叶片识别模型。方法模型考虑了叶片信息的边缘形状与内部纹理特征,构建了双路卷积神经网路结构,其中形状特征路径运用7层卷积层的网络结构,前3层采用大尺寸11×11及5×5的卷积核提取大视野特征,完成叶片形状特征提取,另外4层卷积层采用3×3小尺寸卷积核提取叶片细节特征;纹理特征路径采用6个3×3卷积核的卷积层,提取叶片纹理图像细节特征;然后通过特征融合层将两类特征相加为融合特征,并利用全连接层对植物叶片种类进行识别。结果实验结果表明,双路卷积神经网络模型与单路卷积神经网络和图像处理分类识别模型相比,在Flavia叶片数据集与扩充植物叶片数据集上,Top-1识别准确率分别提高到了99.28%、97.31%,Top-3识别准确率分别提高到了99.97%、99.74%,标准差较其他识别与分类模型下降到0.18、0.20。结论本文提出的叶片识别模型能有效避免相似叶片边缘形状干扰而导致识别错误的问题,可以提高植物叶片的识别准确率。      

基于判别映射分析的植物叶片分类方法

流形学习的一个目标是寻找一个映射,使得邻域内不同类数据点之间的边界最大化.观察数据点映射后在子空间内使得同类数据点更聚集,而不同类数据点更分类.基于这个目标,提出了一种判别映射分析的算法,并将其应用于叶片分类中,该算法能够得到数据较优的判别分类特征,适用于样本分类.在瑞典植物叶片数据库上进行了试验验证,结果表明该方法是有效可行的.     

基于改进SVM算法的植物叶片分类研究

[目的]为了有效的对植物物种进行识别,[方法]本文提出了基于布谷鸟(CS)算法改进的支持向量机(SVM)方法对植物叶片分类从而识别植物物种。本文用两种数据集验证改进的CS-SVM算法对植物叶片的分类效果:UCI公开数据集和自主采集叶片图像。在自主采集的叶片图像数据集中,首先对叶片图像预处理,提取6个特征值,然后再使用CS-SVM算法建立分类模型。[结果]结果表明,在UCI公开数据集每种叶片样本量较少的情况下,CS-SVM算法对叶片分类的准确率可以达到87%以上;在采集的叶片图像数据集上以鹅耳草榆属、槭属等8种植物叶片和红柳、杨属等15种植物叶片样本分别试验,前者叶片分类准确率达95%,后者则大于84%。最后,将CS-SVM算法与PSO-SVM算法对植物叶片的分类效果进行对比,结果表明两种方法在叶片分类准确率上无显著差异,但CS-SVM方法在速度上领先10 s以上。[结论]改进的CS-SVM算法在样本量少或者样本特征属性少的情况下,对植物叶片的分类具有良好的效果。     

川西高原中国沙棘叶和小枝养分物质对海拔升高的响应

以川西高原不同分布区域的中国沙棘为研究对象,分别沿米亚罗2 450～3 080 m和川主寺2 870～3 550 m海拔范围,测定不同海拔下叶和小枝氮(N)、磷(P)与非结构性碳水化合物(NSC)含量.结果表明:(1)在两个区域随着海拔升高,中国沙棘叶和小枝N、P、可溶性总糖(TSS)、淀粉、NSC等养分物质含量均呈非线性变化;(2)米亚罗区域叶N随着海拔升高的变化与叶NSC变化趋势一致,二者呈显著正相关关系,而在川主寺区域二者无显著相关性;(3)川主寺区域叶和小枝NSC含量整体上高于米亚罗区域,特别是小枝TSS含量较高,有利于其应对低温和干旱的环境,也可能是不利环境下碳投资受限导致;(4)在川主寺3 000 m以上的高海拔区域,叶N和光合碳水化合物供应充足,但光合产物的转运及转化为结构性物质可能受到了低温限制,全球气候变暖可能有利于中国沙棘生长和分布扩大。     

8种园林彩叶植物叶片显色部位分析

[目的]研究阳生植物羽衣甘蓝、花叶扶桑、红花檵木、细叶变叶木及阴生植物紫背万年青、紫背竹芋、红背桂和白蝶合果芋共8种彩叶植物的叶片结构及其显色部位,为探索园林彩叶植物的显色特性和呈色机理提供理论依据.[方法]取上述8种植物的新鲜叶片作为材料,用FAA固定后制作叶片结构的临时切片,显微观察摄影并分析.[结果]红背桂、花叶扶桑、羽衣甘蓝、紫背万年青、紫背竹芋这5种植物的显色部位在叶表皮中;细叶变叶木、红花檵木和白蝶合果芋这3种植物的显色部位在叶肉的栅栏组织或海绵组织中.[结论]阴生植物和阳生植物的显色部位类似,色素存在于叶表皮或叶肉组织中,因此不能以生态习性的类型作为判断彩叶植物显色表达的依据.     

不同彩叶植物叶片中叶绿体色素含量研究

对金叶女贞、紫叶桃、紫叶李和紫叶小檗等不同彩叶植物叶片中的叶绿体色素含量进行了测定．结果表明，金叶女贞单位重量叶片中各种色素含量均低于小叶女贞，叶绿素含量(a b)与类胡萝卜素含量的质量比值仅1.90:1，远小于小叶女贞的质量比值5.17:1；金叶女贞叶绿素a/b的比值显著大于其他植物，但叶绿素a，b和花青素含量却很低；紫叶桃叶片中各类色素含量均高于绿叶桃．紫叶桃、紫叶李和紫叶小檗3种紫叶植物中，紫叶桃含有的叶绿体色素最多，但花青素含量最少；紫叶小檗与紫叶桃正好相反，叶绿体色素含量较少，而花青素含量最高．紫叶李居于二者之间．最后讨论了彩叶植物叶片中色素含量与叶色变化的关系．     

光照处理对彩叶植物虎舌红叶片显色影响

为研究不同光照处理对彩叶植物虎舌红叶片显色的影响,并探究虎舌红叶片呈色部位,在大田条件下,分别设置1、2和4层遮阳网对虎舌红遮阳,以全光照为对照(CK)进行处理.取上述4种处理的新鲜叶片,用FAA固定后制作叶片结构的临时切片,显微镜观察摄影并分析.结果表明:和CK相比,用1、2和4层遮阳网处理遮光率分别降低22％、55...