| 基于多特征融合和深度信念网络的植物叶片识别 |
| |
| 引用本文： | 刘念,阚江明. 基于多特征融合和深度信念网络的植物叶片识别[J]. 北京林业大学学报, 2016, 38(3): 110-119. DOI: 10.13332/j.1000-1522.20150267 |
| |
| 作者姓名： | 刘念 阚江明 |
| |
| 作者单位： | 北京林业大学工学院 |
| |
| 基金项目： | 国家自然科学基金项目(30901164)。 |
| |
| 摘 要： | 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。
|
| 关 键 词： | 叶片识别 傅里叶描述子 局部二值模式 深度信念网络 |
| 收稿时间： | 2015-07-21 |
Plant leaf identification based on the multi-feature fusion and deep belief networks method |
| |
| LIU Nian,KAN Jiang-ming. Plant leaf identification based on the multi-feature fusion and deep belief networks method[J]. Journal of Beijing Forestry University, 2016, 38(3): 110-119. DOI: 10.13332/j.1000-1522.20150267 |
| |
| Authors: | LIU Nian KAN Jiang-ming |
| |
| Affiliation: | School of Technology,Beijing Forestry University,Beijing,100083,P. R. China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《北京林业大学学报》浏览原始摘要信息 |
|
点击此处可从《北京林业大学学报》下载全文 |
|
