一种识别率高的植物识别的方法

摘要

本发明公开了一种识别率高的植物识别方法及装置，该方法具体做法是首先由图像采集单元采集植物器官数字图像作为测试样本，再对样本进行预处理以获得灰度图像，然后使用脉冲耦合神经网络对灰度图像进行特征提取，进而获得能够反映该灰度图像的熵序列；将熵序列作为主要特征，以形态特征为辅助特征，借助支持向量机分类器，可以获得较高的植物识别率。本发明方法可实现对大样本数据（待区分的植物种类较多）简单、精确的识别，识别率高，具有较强的适应性，对现有数据库验证准确率可达98%以上。

主权项

一种识别率高的植物识别的方法，其特征是它包括以下步骤：步骤1、图像采集：采集植物器官数字图像作为测试样本，步骤2、图像预处理：将样本图像转化为灰度图像，主要包括图像灰度化、图像增强和二值化处理，用获得的叶片轮廓图像求得辅助识别的形态特征，即叶片的长宽比、形状参数、圆形性、矩形度、图像的熵、七个不变矩和zernike矩；步骤3、特征提取：然后将其输入到脉冲耦合神经网络PCNN中，则每次迭代后PCNN会输出一幅二值图像，求出次二值图像的熵，经N次迭代后得到长度为N的熵序列；为该叶片创建标号，以表征叶片所属类别；遍历现有数据库，求出所有叶片的特征向量和类别编号；步骤4、分类：将步骤3所获得的所有样本数据划分为用来训练分类器的训练数据和测试数据，然后将数据进行归一化；将提取的特征输入到分类单元进行分类。