一种基于轮廓形状和异质特征融合的植物叶片图像识别方法和系统技术方案

本发明专利技术公开了一种基于轮廓形状与异质特征融合的植物叶片图像识别方法和系统，方法包括以下步骤：对叶片图像进行采样，获取轮廓点集，基于局部极坐标系和多尺度分析，从两个局部正交方向提取空间分布特性，并结合局部曲率特性，提取多尺度局部极坐标特征；其次，采用统计直方图构建鲁棒紧凑的多尺度局部极坐标特征表征；最后，在邻域距离测度中引入指数加权归一化函数与排序编码惩罚项，提出指数加权排序的异质特征融合框架，以融合轮廓形状与异质特征。该方法可全面表征叶片的形状特征，具备较高的识别效率与准确性，并通过包含局部上下文和结构信息，提升形状与异质特征融合的兼容性与鲁棒性，从而进一步提高植物叶片图像的检索性能。

【技术实现步骤摘要】

本专利技术涉及植物叶片识别，具体涉及一种基于轮廓形状和异质特征融合的植物叶片图像识别方法和系统。

技术介绍

1、随着图像识别与计算机视觉技术的发展，植物叶片图像的自动识别与检索在农业、林业及生态监测等领域获得广泛关注。其中，叶片形状作为植物识别中的关键视觉特征之一，已成为重要的研究方向。现有的形状方法可分为基于轮廓曲率和基于相对空间分布两类方法。

2、曲率方法主要是利用过微分不变量提取轮廓曲率特性，曲率特性包含丰富的几何特征，在形状识别中表现良好。但微分计算对图像边缘的噪声和轮廓扰动较为敏感，稳定性较差。相对空间分布方法则主要是通过计算轮廓点对间的距离描述形状结构。这类方法仍面临着关键性技术挑战：点对对应关系的建立通常需要依赖动态规划或匈牙利算法等优化方法，计算复杂度高，严重制约了方法的广泛应用；简单的线性距离度量难以精确刻画二维形状的复杂空间拓扑结构，限制了特征的描述能力。

3、为提升叶片识别方法的准确性和鲁棒性，已有许多研究提出新的形状表征，如多尺度傅里叶描述子、三角结构描述子等。然而大多数方法仍侧重于提取单一的形状曲率或空间分本文档来自技高网...

【技术保护点】

1.一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于：所述步骤S1中，局部极坐标系的构建方式为：将采样得到的叶片形状轮廓表示为复数值点构成的有序集合：

3.根据权利要求2所述的一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于：所述步骤S1中，提取多尺度局部极坐标特征的方法包括：基于所述的局部极坐标系，提取点f(t)到极点O的极径rt,τ、点f(t)相对于极轴x的极角θt,τ和邻接弦f(t)f(t-τ)与f(t)f(t+τ)之间相...

【技术特征摘要】

1.一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于：所述步骤s1中，局部极坐标系的构建方式为：将采样得到的叶片形状轮廓表示为复数值点构成的有序集合：

3.根据权利要求2所述的一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于：所述步骤s1中，提取多尺度局部极坐标特征的方法包括：基于所述的局部极坐标系，提取点f(t)到极点o的极径rt,τ、点f(t)相对于极轴x的极角θt,τ和邻接弦f(t)f(t-τ)与f(t)f(t+τ)之间相对于极轴x的转角αt，τ；当轮廓弧长为τ时，点f(t)的局部极坐标特征模型如下：

4.根据权利要求1所述的一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征在于：所述步骤s2中，对每一个尺度τ的局部极坐标特征记为lpcfτ，将极径rt,τ、极角θt，τ和转角αtτ均匀划分为u、v和w三个区间，记作rd1～rdu、pa1～pau和ta1～taw；在此基础上，分别构建空间分布直方图与曲率分布直方图两个直方图区间和的模型如下：

5.根据权利要求4所述的一种基于轮廓形状与异质特征融合的植物叶片图像识别方法，其特征...

【专利技术属性】
技术研发人员：叶梦婕，程勇，苑永起，余德，金鸽，
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：