[发明专利]一种基于树叶图片辨别树种的方法

说明书

本发明涉及模式识别领域，尤其涉及一种基于树叶图片辨别树种的方法。解决算法复杂、计算量大、识别的准确率不高的问题。方法包括：采集树叶图片，划分训练集与测试集；图片预处理；提取训练集的树叶的特征；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；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。本发明通过对图片进行预处理，有利于后续对树叶特征的提取以及识别；通过对提取的特征矢量进行归一化处理，归纳统一样本的统计分布性，提升模型的收敛速度；利用BP神经网络进行训练，得到树种辨别模型，增强了算法的鲁棒性，可运用于更多场景。

技术领域

本发明涉及模式识别领域，尤其涉及一种基于树叶图片辨别树种的方法。

背景技术

模式识别诞生于20实际20年代，随着40年代计算机的出现，50年代人工智能的兴起，模式识别在60年代初迅速发展成为一门学科。模式识别是根据输入的原始数据对齐进行各种分析判断，从而得到其类别属性，特征判断的过程。模式识别的作用和目的就在于把某一个具体的事物正确的归入某一个类别。

随着科学技术的不断发展与进步，模式识别运用地也越来越广泛，模式识别能够更加准确、快速地对事物进行分类，节省了人们大量的时间以及人力物力。

傅弘学者提出了神经网络的叶脉提取方法，通过训练的神经网络，准确地提取了叶脉图像，实现了叶脉的提取；朱宁学者利用局部二进制模式方法，提出了将该方法应用于植物叶片图像纹理特征的提取，实现了用于提取叶片样本特征的各种算子，实现了基于局部二进制模式的树叶识别。

然而基于树叶图片进行识别与分类存下以下几点问题：

1、算法较为复杂，计算量大，实现起来有难度；

2、识别结果受环境、背景等因素的干扰，识别的准确率不高。

发明内容

本发明的目的在于提供一种基于树叶图片辨别树种的方法，用以解决算法复杂、计算量大、识别的准确率不高的问题，提高算法的鲁棒性。

为了实现上述目的，本发明采用如下技术方案：

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。

优选地，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。

优选地，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：