基于多特征融合的简单背景下的叶片识别方法技术

本发明专利技术公开了一种基于多特征融合的简单背景下的叶片识别方法，首先采用基于大津阀值法的分割算法对叶片图像进行分割，将叶片与背景分割开来；然后在分割得到的叶片图像上提取多个叶片的轮廓形状及集合特征的描述子，包括多尺度三角特征、定向片段直方图、基于轮廓关键点的特征以及叶片的几何特征；最后采用局部敏感哈希与自定义的加权置信评分算法对提取的多个特征进行融合并匹配。该方法能克服一般特征对细粒度叶片图像无法进行良好描述等问题，通过将多个叶片的显著特征进行融合能很有效地提高识别准确率。

【技术实现步骤摘要】

本专利技术属于计算机图像处理领域，涉及一种基于多特征融合的简单背景下的叶片 识别方法。
技术介绍
随着图像获取设备及互联网的迅速发展，海量的图像数据正在生成，而这些图像 所包含的信息也变得越来越重要。如何利用计算机视觉、机器学习等技术方便、快速地检索 图像，也逐渐变成了研宄热点。 从上世纪70年代开始，图像检索这个领域已经十分活跃。首先主要是基于文本的 图像检索技术，将图像与对其的文本描述存储至数据库中，而查询时是根据对图像的文本 描述进行检索。但是慢慢的基于文本的图像检索技术的问题就越来越多了。由于当时的技 术受限必须由人工来对图像进行进行关键字的标注工作，非但十分耗时耗力，而且人工的 标注往往存在一些偏差，最终导致错误的检索结果。同时，图像中包含的视觉特征在该技术 下也被完全忽略了。 到了上世纪90年代，为了克服基于文本的图像检索技术产生的一系列问题，基于 内容的图像检索技术诞生了。基于内容的图像检索技术不需要对图像进行人工标注，而是 利用计算机视觉技术对越图像提取其视觉特征，例如颜色、形状和纹理等，然后再对特征进 行匹配，最后返回用户相似的图像。现在，该技术已经得到了广泛应用，包括公安部门指纹 图像的分析、卫星云图的分析等。 现在，基于内容的细粒度的图像检索正在兴起。传统的基于内容的图像检索旨在 对不同大类的物体图像进行分类，而人们越来越希望能对于同一大类物体的图像进行检 索，例如鸟类、真菌等，于是基于内容的细粒度图像的检索应运而生。 植物作为人类赖以生存的元素，自然是人类关注的焦点，人类对于通过计算机而 非人工来自动完成对植物图像的鉴别、分类以及检索工作的需求也越来越迫切。
技术实现思路
本专利技术的目的在于克服现有技术的不足，提供一种基于多特征融合的简单背景下 的叶片识别方法。 本专利技术的目的是通过以下技术方案来实现的：一种基于多特征融合的简单背景下 的叶片识别方法，包括以下步骤： (1)经过大津阈值法将叶片图像中的叶片与背景分割开来获得叶片； (2)对分割得到的叶片图像提取多个叶片特征，包括多尺度三角特征、定向片段直 方图、基于轮廓关键点的特征以及叶片的几何特征； (3)在进行叶片识别时，将多个叶片特征通过基于位置敏感哈希（LSH)方法映射 到哈希表，每个叶片特征都通过K近邻得出与它最匹配的候选特征列表；使用加权置信评 分得到最后的识别结果； (4)对步骤3得到的识别结果通过潜在语义分析算法进行进一步重排序，提高识 别效果。 进一步地，所述步骤1中，大津阈值法使用某一个阈值将灰度图像根据灰度大小， 分成目标部分和背景部分两类，在这两类的类内方差最小和类间方差最大的时候，得到的 阈值是最优的二值化阈值；具体包括以下子步骤： (1. 1)将简单背景下的叶片图像转换为灰度图； (1. 2)计算灰度图的平均灰度：对于一张大小为MXN的图像，统计获得灰度为i 对应的像素个数为rV则平均灰度值u可由下式得出：【主权项】1. 一种，其特征在于，包括w下步骤： (1) 经过大津阔值法将叶片图像中的叶片与背景分割开来获得叶片； (2) 对分割得到的叶片图像提取多个叶片特征，包括多尺度=角特征、定向片段直方 图、基于轮廓关键点的特征W及叶片的几何特征； (3) 在进行叶片识别时，将多个叶片特征通过基于位置敏感哈希（LSH)方法映射到哈 希表，每个叶片特征都通过K近邻得出与它最匹配的候选特征列表；使用加权置信评分得 到最后的识别结果； (4) 对步骤3得到的识别结果通过潜在语义分析算法进行进一步重排序，提高识别效 果。2. 根据权利要求1所述的一种，其特征 在于，所述步骤1具体包括W下子步骤： (1. 1)将简单背景下的叶片图像转换为灰度图； (1. 2)计算灰度图的平均灰度：对于一张大小为MXN的图像，统计获得灰度为i对应 的像素个数为ni，则平均灰度值U可由下式得出：(1. 3)计算求解最佳阀值t的相关变量；记t为目标与背景的分割阀值，目标像素占的 比例为Wi，目标像素的平均灰度为Ui，则其中Wi是灰度值大于t的统计值；同理可得到背景像素占的比例W2及平均灰度U2; (1. 4)求解最佳阀值t;遍历步骤1. 3中得到的t，使得下式最大： G=Wi* (Ui-U) 2+"2* (U2-U) 2 (1. 5)将根据阀值t获得的背景像素赋予白色。3. 根据权利要求1所述的一种，其特征 在于，所述步骤2中，所述多尺度=角特征具体为：形状边界由N个均匀地分布在叶片轮廓 上的采样点Pi，...，Pw的序列表示，然后将该些采样点按照顺时针的顺序进行排列；每个采 样点Pi由在不同尺度下的Ns个S角形进行表示；引入d(k)用于表示在尺度k中的S角形 点之间的距离，由边界点的数量进行表述，其中1《k《化；选择在Pi两侧的化个点组成的 两个集合来描述Pi,化的选择取决于是否寻求捕获本地或全局信息；距离d(k)为均匀的或 对数的海一个边界点Pi与化个立角形相关联，该些立角形由边界点Pwoo、P山及Pwoo组 成；使用S角形边长和角度特征（TSLA) ; A)=(巧1作7;)，...，巧心/(7,八'、)）; 假设Lik，L2K和L3k是由边界点Pi-doo、P山及Pwoo组成的；角形於；条边，且长度从小到大 排列，设Mk=Lik/Lsk、Nk=L2k/L3k，假设0为S角形7l的顶点Pi的角度的绝对值，则於的TSLA特征可表述为S元组（Mk，Nk，0 )。4. 根据权利要求1所述的一种，其特征 在于，所述步骤2中，所述定向片段直方图具体为；任何轮廓都是一连串连续的元素成分组 成的，一个元素成分可W是一个像素；对于轮廓上的每个像素，通过计算两个变量的均值来 关联方向信息，该两个变量为从原始图像计算出的梯度的角度0W及0的导数0';变量 0的值是绝对的，它对应于原始图像的梯度角度；该些角度被投影到一个量化的[〇,2n当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于多特征融合的简单背景下的叶片识别方法，其特征在于，包括以下步骤：(1)经过大津阈值法将叶片图像中的叶片与背景分割开来获得叶片；(2)对分割得到的叶片图像提取多个叶片特征，包括多尺度三角特征、定向片段直方图、基于轮廓关键点的特征以及叶片的几何特征；(3)在进行叶片识别时，将多个叶片特征通过基于位置敏感哈希(LSH)方法映射到哈希表，每个叶片特征都通过K近邻得出与它最匹配的候选特征列表；使用加权置信评分得到最后的识别结果；(4)对步骤3得到的识别结果通过潜在语义分析算法进行进一步重排序，提高识别效果。

【技术特征摘要】

【专利技术属性】
技术研发人员：张引，任晓琳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江;33