[发明专利]一种基于树叶图片辨别树种的方法

权利要求书

1.一种基于树叶图片辨别树种的方法，其特征在于，包括以下步骤：

步骤1、采集树叶图片，划分训练集与测试集；

步骤2、图片预处理；

步骤3、提取训练集的树叶的特征；

步骤4、对提取形状特征进行整合作为特征矢量，对特征矢量先进行归一化，再将归一化的特征矢量输入到BP神经网络进行训练，得到树种辨别模型；

步骤5、提取测试集的树叶的特征，输入树种辨别模型，输出识别结果。

2.如权利要求1所述的一种基于树叶图片辨别树种的方法，其特征在于，所述步骤1中，采集不同树种的图片，树种包括：银杏、枫树、柳树、石榴、白桦，每种树叶数量不少于100，图片大小为300*300像素，将采集的图片作为数据集，把数据集划分为训练集与测试集，训练集与测试集的比例为8∶2。

3.如权利要求2所述的一种基于树叶图片辨别树种的方法，其特征在于，所述步骤2中，图片预处理包括：去噪、灰度化、二值化、边缘检测、腐蚀、膨胀以及填充；

其中去噪的方式选择巴特沃斯低通滤波器去噪、FIR低通滤波器去噪、移动平均滤波去噪、中值滤波去噪、维纳滤波去噪、自适应滤波去噪、小波去噪中的其中一种；

其中灰度化采用最大值法对图片进行灰度化，公式如下：

Gray(x，y)＝max{R(x，y)，G(x，y)，B(x，y)} (1)

公式(1)中，R(x，y)、G(x，y)、B(x，y)分别表示RGB三个分量；

其中二值化处理，其公式如下：

公式(2)中，T为二值化阈值，二值化中阈值确定选择双峰法、P参数法、最大类方差法、最大熵阈值法、最佳阈值法中的其中一种。

其中边缘检测采用Prewitt算子，该算子既能检测边缘，还能抑制噪声的影响；

4.如权利要求3所述的一种基于树叶图片辨别树种的方法，其特征在于，所述步骤3中，提取的特征包括：圆形度、矩形度、最小外接矩形的长宽比、不变矩、傅里叶描述子；

其中圆形度表示物体边缘与圆的相似程度，计算公式如下：

公式(3)中，S表示物体的面积，L表示物体的周长，e表示圆形度；

其中矩形度表示物体与矩形的相似程度，计算公式如下：

公式(4)中，S表示物体的面积，S_R表示物体的最小外接矩形的面积，R表示矩形度；

其中最小外接矩形的长宽比是最小外接矩形长轴与短轴的比值，计算公式如下：

公式(5)中，a表示最小外接矩形长轴，b表示最小外接矩形短轴，ε表示最小外接矩形的长宽比；

其中不变矩主要表征了图像区域的几何特征，采用Hu.M.K提出的7个不随水平、旋转、等比缩放变化的矩组，定义如下：

M₁＝μ₂₀+μ₀₂ (6)

M₂＝(μ₂₀-μ₀₂)²+4μ₁₁² (7)

M₃＝(μ₃₀-3μ₁₂)²+(3μ₂₁-μ₀₃)² (8)

M₄＝(μ₃₀+μ₁₂)²+(μ₂₁+μ₀₃)² (9)

M₅＝(μ₃₀-3μ₁₂)(μ₃₀+μ₁₂)[(μ₃₀+μ₁₂)²-3(μ₂₁+μ₀₃)²]+(3μ₂₁-μ₀₃)(μ₂₁+μ₀₃)[3(μ₃₀+μ₁₂)²-(μ₂₁+μ₀₃)²] (10)

M₆＝(μ₂₀-μ₀₂)[(μ₃₀+μ₁₂)²-(μ₂₁+μ₀₃)²]+4μ₁₁(μ₃₀+μ₁₂)(μ₂₁+μ₀₃) (11)

M₇＝(3μ₂₁-μ₀₃)(μ₃₀+μ₁₂)[(μ₃₀+μ₁₂)²-3(μ₂₁+μ₀₃)²]-(μ₃₀-3μ₁₂)(μ₂₁+μ₀₃)[3(μ₃₀+μ₁₂)²-(μ₂₁+μ₀₃)²] (12)

公式(6)-(12)中，μ_pq表示归一化(p+q)阶中心矩，p，q＝0，1，2，3；

傅里叶描述子是描述物体形状边界的傅里叶变换系数，计算公式如下：

假设一个由N点组成的封闭边界，从任一点P开始绕边界一周得到：

s(k)＝x(k)+jy(k)，k＝0，1，...，N-1 (13)

公式(13)中，x(k)和y(k)是动点P的坐标，j为系数；

s(k)的离散傅里叶变换(DFT)为：

公式(14)中，u＝0，1，...，N-1，a(u)是边界的傅里叶描述子

归一化傅里叶描述子d′(k)为：

本发明中，取前10个系数作为傅立叶描述子特征。