資源描述：
《基于形狀上下文特征的植物葉圖像匹配方法》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、第27卷第3期廣西師范大學(xué)學(xué)報:自然科學(xué)版Vol.27No.32009年9月JournalofGuangxiNormalUniversity:NaturalScienceEditionSept.2009基于形狀上下文特征的植物葉圖像匹配方法11,2翟傳敏,杜吉祥(1.華僑大學(xué)計算機科學(xué)與技術(shù)學(xué)院,福建泉州362021;2.中國科學(xué)技術(shù)大學(xué)自動化系,安徽合肥230027)摘要:提出一種將形狀上下文特征應(yīng)用于植物葉片圖像自動識別的方法。該方法首先根據(jù)葉片形狀自適應(yīng)確定邊界點數(shù)目,然后計算葉片的形狀直方圖,最后利用形狀直方圖計算不同目標之間的匹配相似度。實驗結(jié)果驗證了該方法的有效性。關(guān)鍵詞:
2、形狀上下文;植物識別;形狀匹配中圖分類號:TP391141文獻標識碼:A文章編號:100126600(2009)0320171204傳統(tǒng)植物分類學(xué)一般需要對標本進行人工測量、獲取數(shù)據(jù),再通過對這些數(shù)據(jù)進行分析,確定植物間的親緣關(guān)系并進行分類。這種方法工作效率低、工作量大,并且數(shù)據(jù)存在一定的主觀性。建立基于數(shù)字圖像的計算機植物識別系統(tǒng)有可能是將來植物分類與識別的主流方式。本研究中,只采用葉片圖像進行識別,因為相對于其他部分,葉片基本上處于平面狀態(tài),適合于進行二維圖像處理。但葉片圖像由于受光照、位置以及本身尺寸等因素的影響使得對其進行正確識別有一定的難度,其關(guān)鍵在于獲取有效的圖像特征。目前
3、國內(nèi)外大部分相關(guān)的研究就是集中于葉片圖像的形狀分析與識[1～8]別,如幾何特征、傅立葉描述子、多尺度曲率空間方法,以及“本征形狀(EigenShape)”等。但這些方法具有一定的局限性,需要在形狀特征提取這一步驟仔細設(shè)計具有旋轉(zhuǎn)、尺度和平移不變性等形狀特征的描述子。基于此考慮,本文將利用形狀輪廓上一組點集表示葉片,進而進行形狀匹配,以匹配度來實現(xiàn)植物識別任務(wù)。1葉片圖像的形狀上下文特征描述形狀上下文(shapecontext,SC)方法是一種以目標輪廓的有限點集合來表示物體特征的描述方法。該方法首先對目標圖像進行輪廓提取操作(或者是邊緣檢測操作),然后選擇輪廓或邊緣上的一組離散點的集合
4、p={p1,p2,?,pn}來表示該目標的形狀信息。SC方法所選擇的離散點集要求盡可能地反映出目標對象的真實形狀特點,因此這些點應(yīng)該比較均勻、一致地分布在物體的輪廓或邊緣上(如圖1所示),而不一定是一些具有特殊意義的離散點,如局部曲率最大點等。SC方法中離散點的位置與數(shù)目是根據(jù)具體問題來確定的。若離散點數(shù)目太少必然導(dǎo)致較低的匹配精度,但可以獲得較快的匹配速度;稍大些的離散點數(shù)目理論上可以提高一定的匹配精度,但必然導(dǎo)致匹配速度較低。本文采用文獻[9]提出的自適應(yīng)選取邊界點方法來確定離散點的位置與數(shù)目。該方法以所選擇的離散點集的質(zhì)心坐標和原目標對象的質(zhì)心坐標誤差最小為求解目標,實現(xiàn)邊界離散
5、點的自動選取。首先計算原目標對象的質(zhì)心坐標(X0,Y0):6i×I(i,j)6j×I(i,j)m10i,j∈Sm01i,j∈SX0==,Y0==。(1)m006I(i,j)m006I(i,j)i,j∈Si,j∈S式(1)中S表示待計算的原目標對象,I(i,j)表示原目標圖像灰度值。收稿日期:2009206205基金項目:國家自然科學(xué)基金資助項目(60805021,60705007);中國博士后科學(xué)基金資助項目(20060390180,200801231);福建省自然科學(xué)基金資助項目(A0740001,A0810010)通訊聯(lián)系人:杜吉祥(1977—),男,山東高唐人,華僑大學(xué)講師,博士
6、。E2mail:jxdu@hqu.edu.cn172廣西師范大學(xué)學(xué)報:自然科學(xué)版第27卷圖1形狀及其對應(yīng)的點集圖2某一點的形狀直方圖Fig.1AshapeanditscorrespondingpointsetFig.2Shapecontexthist然后給定一個離散點集數(shù)目n的初始值、波動范圍和起始點初始坐標,進行點集的自動選取。接下來計算所選擇的邊界離散點集的質(zhì)心坐標,以及與原目標對象的質(zhì)心坐標的誤差值。重復(fù)以上過程,隨機改變起始點位置坐標和離散點集數(shù)目n(在波動范圍內(nèi)取值)。經(jīng)過若干次后,則可以選擇使質(zhì)心坐標誤差值最小的離散點集作為最終結(jié)果。本質(zhì)上,該方法是一種基于隨機優(yōu)化的選擇方
7、法。在離散點集中,對于其中任意一個離散點,剩余的n-1個離散點與該點可以構(gòu)成n-1個向量,此向量可以看做一種編碼,反映了當前的離散點在整個目標形狀中的位置特征。在計算得到某個點和剩下的n-1個點構(gòu)成的向量之后,一種有效地表示這些向量編碼特征的方法是采用形狀直方圖的形式表示這個n-1向量。為了進行量化處理,必須使用方向參數(shù)和距離參數(shù)。其中,方向參數(shù)表示將圓周分成的份數(shù),即對向量方向(與水平軸夾角)的離散化表示;距離參數(shù)表示將向量長度分成的份數(shù),即
