【技术实现步骤摘要】
本专利技术属于植物叶片识别，尤其涉及一种基于双切弦形状词典的叶片图像识别方法和系统。
技术介绍
1、分析叶片形状模式，提取具有辨识力的形状特征是近年来叶片图像模式识别的一个重要方向。根据生成的形状特征是否依赖于训练图像，形状特征可进一步细分为非学习的和学习的特征。非学习形状特征主要利用几何测度，如距离、角度或面积等，挖掘形状曲线或空间分布特征。此类方法模型简单、计算速度快，但人工形状特征完全依赖于人为先验知识且对非刚性形变敏感，表征能力有限、准确率低。基于学习的形状特征主要是利用词袋模型将局部描述特征看作形状词向量，并通过将形状特征映射到一组高维特征向量(词典)中来提取形状稀疏表征，所得形状特征紧致、鲁棒且区分能力强。另外，单一形状特征难以全面刻画叶片图像特征，基于纹理模式的纹理特征是叶片图像识别任务的另一有效途径，能够与形状特征相互补充。
2、当前，深度学习，特别是卷积神经网络(cnn)，已经在包括自然语言处理和计算机视觉在内的各个领域取得了瞩目的成就。因此，越来越多研究围绕利用深度学习特征进行叶片识别展开。但是，仅依靠深...
【技术保护点】
1.一种基于双切弦形状词典的叶片图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，还包括：
3.根据权利要求1所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，所述构建基于轮廓点的曲线双切弦模型，包括：
4.根据权利要求3所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，所述根据曲线双切弦模型中双切弦与曲线围成的面积提取基于轮廓点的曲线七元组特征向量，包括：
5.根据权利要求3所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，所述沿叶片外轮廓逆时...
【技术特征摘要】
1.一种基于双切弦形状词典的叶片图像识别方法，其特征在于，包括：
2.根据权利要求1所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，还包括：
3.根据权利要求1所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，所述构建基于轮廓点的曲线双切弦模型，包括：
4.根据权利要求3所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，所述根据曲线双切弦模型中双切弦与曲线围成的面积提取基于轮廓点的曲线七元组特征向量，包括：
5.根据权利要求3所述的基于双切弦形状词典的叶片图像识别方法，其特征在于，所述沿叶片外轮廓逆时针滑动目标轮廓点并改变曲线长度，提取基于形状轮廓点的不同长度曲线七元组特征向量，以构建多尺度双切弦形状特征，包括：
6.根据权利要求5所述的基于...
【专利技术属性】
技术研发人员：叶梦婕，宋菲，吴旭姿，
申请(专利权)人：江苏开放大学江苏城市职业学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。