论文部分内容阅读
植物识别与人们的生活息息相关。传统的植物识别方法操作复杂,不利于普及。随着计算机图像处理和模式识别技术的飞速发展,这使得基于图像处理的计算机自动识别植物种类成为可能。近些年基于植物图像的计算机自动识别技术已被越来越多的研究者关注和研究。基于此,我们在本文中对基于植物的图像特征进行了研究。首先,我们针对近年来出现的一些常用特征进行了归纳。其次,针对PCNN模型提取的熵序列特征,我们对其传统的提取方式进行了一些改进,从衰减方式,权值矩阵扩展等方面进行了探索,并对PCNN的3个相关模型进行了对比。然后我们针对文章介绍的特征,进行了单个特征的评价实验,使研究者能够更好地选取识别特征。最后,我们针对组合特征,分别对两个特征及三个特征的组合进行了实验研究,并在Flavia树叶库和ICL树叶库上面对SVM分类器及KNN分类器进行了对比实验。最终实验不仅证明我们针对PCNN提取的熵序列特征的一些改进是有效的,而且也说明组合特征能够更好地提升识别率。