一种基于几何不变形状特征的在线植物物种识别方法
【专利摘要】本发明涉及一种基于几何不变形状特征的在线植物物种识别方法，包括以下步骤：(1)浏览器端采集叶片图像，预处理后传输给服务器端；(2)服务器端根据预处理后的叶片图像计算叶片形状特征，构建特征向量，所述的服务器端保存有训练好的移动中心超球分类器，该移动中心超球分类器根据所述的特征向量进行物种识别，输出该物种的物种编号，根据所述的物种编号查询叶片信息数据库，并将最终识别结果反馈给浏览器端；(3)浏览器端显示最终识别结果，包括识别出的物种的叶、花、果实、种子图片以及该物种的科普介绍信息。与现有技术相比，本发明具有实时方便、准确率高等优点。
【专利说明】一种基于几何不变形状特征的在线植物物种识别方法
【技术领域】
[0001] 本发明涉及一种植物识别的方法，尤其是涉及一种基于几何不变形状特征的在线 植物物种识别方法。
【背景技术】
[0002] 植物分类学在生物学意义上是一门划分植物种类，研究同类群植物的起源、探究 植物间的亲缘关系及物种进化发展规律的一门学科。通过对各个物种间的比较，可以将各 种各样的植物进行鉴定、分群归类、命名排列起来，方便人们对植物的认识、了解。原始的植 物分类主要是人类根据植物的形态、习性、用途的差异来划分，没有考虑植物间的亲缘和演 化关系。如我国《本草纲目》中就是按照外形和用途将植物分为草部、果部、木部、谷藏部、 蔬菜部等五个部。近年来，随着其他学科的发展和渗入，植物分类学得到了迅速发展，出现 了许多新的研究方向和新的边缘学科，如植物细胞分类学、植物化学分类学，以及植物数值 分类学等新的学科领域。以上这些新兴学科的形成和发展，越来越被植物分类学家所重视 和应用，它对植物分类工作和药用植物的开发利用将起着重要作用。虽然目前的植物分类 有很多种方法，如植物细胞分类学、植物化学分类学、植物血清分类学以及植物遗产学，但 对于非专业人员，这些分类方法很难掌握或不实用。相对来讲，经典的植物分类方法，即形 态分类方法比较容易掌握，而且适用于野外活体植物识别。然而，由于学科发展和社会等原 因，全世界范围内目前从事经典分类的人数急剧下降，且呈现出明显的老龄化趋势，后继乏 人，植物分类学已经成为一个"濒危学科"。这不仅对于植物分类学本身，而且对植物保护和 国民经济的发展都会带来重大的不利影响。现在，人类已经逐渐意识到保护植物的重要性。 除了保护环境，避免生态被进一步破坏之外，对植物资源进行调查、识别、分类，建立植物物 种数据库，保护生物多样性，也越来越受到人们的关注。同时也需要让更多的非专业人员去 认识、了解各种植物，提高他们对植物的兴趣以及保护植物的意识。然而地球上仅为人所知 的有花植物就有大约25万种，面对如此庞大的植物世界，任何一个植物学家都不可能知道 所有的物种和名称，这就给进一步的研究带来了困难。
[0003] 随着模式识别技术和图像处理技术的快速发展，使得利用计算机辅助方式进行植 物物种识别成为可能。在传统的物种识别方法中，主要是依靠人们的经验、手动测量植物信 息或利用化学成分分析分类。基于计算机的物种识别技术通过提供有效的物种特征，可以 实现自动、高效和精确的特征提取和识别分类。
[0004] 目前，基于计算机图像技术对植物物种分类识别的方法已经得到人们广泛的关 注，并且很多研究已经取得初步的成效，其中特征选取大部分是采用植物叶片分析获得的。 傅星、卢汉清、祁亨年等较早的开展了应用计算机进行植物自动分类的初步研究。张全法 等人提出利用CCD测量植物叶片面积获得叶片特征信息的方法，该系统的硬件部分主要用 于获取叶片的图像。但是该系统只适合于用单张叶片在特定背景下进行识别，对于自然背 景下的叶片不能处理。王晓峰等提出了一种基于多光谱的植物叶片数字信息采集与自动 识别系统及其识别方法，利用多光谱技术对植物叶片进行采集，然后通过GPRS数据传输模 块将图片上传服务器，最后根据叶片本身的特征进行分类识别和存储。该系统和张全法 的系统相似，都是只有识别模块，不能对复杂背景下的叶片进行处理识别。而国外，Peter Belhumeur和David Jacobs开发了识别植物叶片的移动客户端应用程序。
[0005] 经调研发现，（1)以上识别方法大多是应用与单片叶子，对复杂背景下的叶片不能 使用。（2)传统的识别均是基于嵌入式或者C/S的架构模式的识别系统，需要手持设备，或 者安装程序。（3)以上研究工作的对象大都局限于某一特定领域的几种或者少量种类植物， 未能普及应用。而且由于自身的缺陷不是很方便快捷，代价比较大。（4)叶片形状作为叶片 图像一个很重要的特征没有充分的作为识别证据利用起来。
【发明内容】
[0006] 本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种实时方便、准确 率高的基于几何不变形状特征的在线植物物种识别方法。
[0007] 本发明的目的可以通过以下技术方案来实现：
[0008] -种基于几何不变形状特征的在线植物物种识别方法，包括以下步骤：
[0009] (1)浏览器端采集叶片图像，预处理后传输给服务器端；
[0010] (2)服务器端根据预处理后的叶片图像计算叶片形状特征，构建特征向量，所述的 服务器端保存有训练好的移动中心超球分类器，该移动中心超球分类器根据所述的特征向 量进行物种识别，输出该物种的物种编号，根据所述的物种编号查询叶片信息数据库，并将 最终识别结果反馈给浏览器端；
[0011] (3)浏览器端显示最终识别结果，包括识别出的物种的叶、花、果实、种子图片以及 该物种的科普介绍信息。
[0012] 所述的浏览器端与服务器端的信息交互采用基于PHP的B/S架构的交互式系统。
[0013] 步骤（1)中，所述的预处理包括灰度化、图像增强、图像分割、大小校正和边缘补 充。
[0014] 步骤（2)中，所述的移动中心超球分类器的训练过程具体为：
[0015] A)获取所有需要训练的植物物种的多张不同角度、不同光照条件下的叶片图像， 对每张图像进行特征向量提取，并标注物种编号；
[0016] B)以特征向量及相对应的物种编号作为移动中心超球分类器的输入，对移动中心 超球分类器的参数进行训练。
[0017] 所述的叶片形状特征包括纵横轴比、矩形度、面积凹凸比、周长凹凸比、球状性、圆 形度、偏心率、形状参数和Hu不变矩，所述的特征向量由叶片形状特征构建。
[0018] 步骤（2)中，所述的移动中心超球分类器进行物种识别的计算公式为：
[0019]
【权利要求】
1. 一种基于几何不变形状特征的在线植物物种识别方法，其特征在于，包括以下步 骤： (1) 浏览器端采集叶片图像，预处理后传输给服务器端； (2) 服务器端根据预处理后的叶片图像计算叶片形状特征，构建特征向量，所述的服务 器端保存有训练好的移动中心超球分类器，该移动中心超球分类器根据所述的特征向量进 行物种识别，输出该物种的物种编号，根据所述的物种编号查询叶片信息数据库，并将最终 识别结果反馈给浏览器端； (3) 浏览器端显示最终识别结果，包括识别出的物种的叶、花、果实、种子图片以及该物 种的科普介绍信息。
2. 根据权利要求1所述的一种基于几何不变形状特征的在线植物物种识别方法，其特 征在于，所述的浏览器端与服务器端的信息交互采用基于PHP的B/S架构的交互式系统。
3. 根据权利要求1所述的一种基于几何不变形状特征的在线植物物种识别方法，其 特征在于，步骤（1)中，所述的预处理包括灰度化、图像增强、图像分割、大小校正和边缘补 充。
4. 根据权利要求1所述的一种基于几何不变形状特征的在线植物物种识别方法，其特 征在于，步骤（2)中，所述的移动中心超球分类器的训练过程具体为： A) 获取所有需要训练的植物物种的多张不同角度、不同光照条件下的叶片图像，对每 张图像进行特征向量提取，并标注物种编号； B) 以特征向量及相对应的物种编号作为移动中心超球分类器的输入，对移动中心超球 分类器的参数进行训练。
5. 根据权利要求1或4所述的一种基于几何不变形状特征的在线植物物种识别方法， 其特征在于，所述的叶片形状特征包括纵横轴比、矩形度、面积凹凸比、周长凹凸比、球状 性、圆形度、偏心率、形状参数和Hu不变矩，所述的特征向量由叶片形状特征构建。
6. 根据权利要求1所述的一种基于几何不变形状特征的在线植物物种识别方法，其特 征在于，步骤（2)中，所述的移动中心超球分类器进行物种识别的计算公式为：
其中，k表示训练好的移动中心超球分类器的超球总数，Cli表示需要识别的特征向量到 第i个超球中心的欧氏距离，ri表示第i个超球的半径，I表示需要识别的特征向量所属超 球的标记，即对应的物种编号。
【文档编号】G06K9/60GK104361342SQ201410572582
【公开日】2015年2月18日 申请日期:2014年10月23日 优先权日:2014年10月23日
【发明者】黄德双, 魏海彬, 职志德, 王晓峰 申请人:同济大学