叶片图像识别模型的构建方法技术

本发明专利技术提供了一种叶片图像识别模型的构建方法，其特征在于包括以下步骤：a.对批量的树叶图片的轮廓量化处理以进行特征信息提取，并解释所提取特征信息的量化指标体系；b.根据所提取的特征信息建立用于判别树叶类型的数学模型，基于量化指标体系识别核心指标并评估数学模型的性能和核心指标对数学模型判别性能的影响；c.根据树叶图片中的叶子纹理信息和核心指标并使用优化算法对建立的数学模型进行改进。本发明专利技术的目的就是针对现有技术的缺陷，提供一种叶片图像识别模型的构建方法，通过提取植物叶片图像中的有效信息，建立借助树叶图像信息进行植物分类的数学模型。

【技术实现步骤摘要】
叶片图像识别模型的构建方法
本专利技术涉及现代植物学
，具体涉及一种叶片图像识别模型的构建方法。
技术介绍
植物种类繁多，如何进行科学的分类对于人们来说极为重要。而对于植物来说，虽然植物的根、茎、花、果实、种子等局部特征对于植物分类都有一定价值，但其采集处理过程都比较麻烦，而植物的叶片由于形态上存在多样性，因此通过植物叶片分类较为方便，而分类的依据也比较多样，但往往可能只考虑了植物的几个明显形态而忽略了植物间的亲缘关系和在系统发育中的地位。因此准确合理的对植物进行分类，了解植物间的相互关系成为植物学分类中的重要内容。然而现有技术中缺乏一种基于植物叶片图像进行快速分类的工具。
技术实现思路
本专利技术的目的就是针对现有技术的缺陷，提供一种叶片图像识别模型的构建方法，通过提取植物叶片图像中的有效信息，建立借助树叶图像信息进行植物分类的数学模型。本专利技术提供了一种叶片图像识别模型的构建方法，其特征在于包括以下步骤：a.对批量的树叶图片的进行量化处理以进行叶片轮廓特征信息提取，并解释所提取特征信息的量化指标体本文档来自技高网...

【技术保护点】
1.一种叶片图像识别模型的构建方法，其特征在于包括以下步骤：/na.对批量的树叶图片的进行量化处理以进行叶片轮廓特征信息提取，并解释所提取特征信息的量化指标体系；/nb.根据所提取的特征信息建立用于判别树叶类型的数学模型，基于量化指标体系识别核心指标并评估数学模型的性能和核心指标对数学模型判别性能的影响；/nc.根据树叶图片中的叶子纹理信息和核心指标并使用优化算法对建立的数学模型进行改进。/n

【技术特征摘要】
1.一种叶片图像识别模型的构建方法，其特征在于包括以下步骤：
a.对批量的树叶图片的进行量化处理以进行叶片轮廓特征信息提取，并解释所提取特征信息的量化指标体系；
b.根据所提取的特征信息建立用于判别树叶类型的数学模型，基于量化指标体系识别核心指标并评估数学模型的性能和核心指标对数学模型判别性能的影响；
c.根据树叶图片中的叶子纹理信息和核心指标并使用优化算法对建立的数学模型进行改进。


2.根据权利要求1所述的叶片图像识别模型的构建方法，其特征在于所述步骤a中，将树叶图片二值化后结合植物分类学的相关标准量提取树叶图片中的边缘信息、纹理信息和几何特征信息。


3.根据权利要求2所述的叶片图像识别模型的构建方法，其特征在于所述步骤b中，数学模型建立后通过分析所述数学模型算法的速度、正确率来评估模型的性能以及各指标对模型的性能影响；通过分析量化指标体系中每种指标对于树叶分类识别的正确率以识别核心指标。


4.根据权利要求3所述的叶片图像识别模型的构建方法，其特征在于所述步骤c中，在建立的数学模型基础上，结合树叶图片的纹理信息对所提取的核心指标数据进行降维处理；通过优化算法求解所述数学模型的参数最优值。


5.根据权利要求2所述的叶片图像识别模型的构建方法，其特征在于所述步骤a具体包括以下步骤：采用MATLAB中bwperim命令对树叶轮廓的像素点坐标进行提取，使用im2bw命令对叶片图像进行二值化处理；对树叶轮廓的像素点坐标坐标按顺时针方向排序，根据排序后的像素点坐标形成树叶轮廓的目标边界函数；求解椭圆傅里叶描述子，生成叶片边缘特征信息提取结果。


6.根据权利要求5所述的叶片图像识别模型的构建方法，其特征在于所述步骤a中，...

【专利技术属性】
技术研发人员：程鑫，邓亦骁，张博阳，王校璐，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北;42