基于内容的植物叶片在线识别系统的制作方法
【技术领域】
[0001]本发明涉及一种基于内容的植物叶片在线识别系统，属于图像处理和机器学习技术领域。
【背景技术】
[0002]植物的识别和分类是植物研究的最基础性工作，它对于植物种类划分和探索植物的演化以及植物之间的亲缘关系有着重要的意义。传统的植物种类鉴别主要采用人工鉴别的方式，不仅工作效率低且鉴别结果容易受到主观因素的影响。随着计算机技术的发展，采用图像处理和机器学习的方法对植物进行分类识别已经成为必然趋势。近年来，基于图像处理的植物分类识别算法和系统的研究不断取得进展。王晓峰等基于植物叶片图像的8项几何特征和7个图像不变矩，利用移动中心超球分类器对叶片进行识别；张宁等提出了一种基于克隆选择算法和K最近邻的植物叶片识别方法；董红霞等提出了一种基于形状与纹理特征，采用BP神经网络的植物叶片分类方法。
[0003]目前，植物叶片的分类识别系统大都只在个人电脑上实现，但植物的生长环境一般都在室外，个人电脑不适合在野外随时随地采集叶片图像来识别植物。随着移动终端的普及，基于Android的植物叶片识别系统，因其方便实用，更具有实际应用价值，而越来越受到重视。
【发明内容】
[0004]本发明的目的是克服现有技术中存在的不足，提供一种基于内容的植物叶片在线识别系统，随时随地采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好的实用价值。
[0005]按照本发明提供的技术方案，所述基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是:按照以下步骤实施:
步骤1、移动终端采集待识别植物叶片图像；
步骤2、进行图像预处理，包括灰度化、去除噪声；
步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征；
步骤4、将步骤3获得的特征上传至服务器；
步骤5、服务器端接收特征并进行叶片分类识别；
步骤6、将识别结果信息返回到移动终端；
步骤7、移动终端显示识别结果。
[0006]进一步的，所述步骤2中图像预处理包括将彩色图像灰度化，采用高斯滤波器对图像进行降噪处理。
[0007]进一步的，所述步骤3按照以下步骤实施:
步骤3.1、使用图像分割方法得到叶片区域，采用边缘检测算子提取叶片轮廓；
步骤3.2、提取叶片凸包、最小外接矩形、内切圆和外切圆； 步骤3.3、计算形状特征，包括:纵横轴比、矩形度、面积凹凸比、周长凹凸比、圆形度、球状性、轮廓凸包顶点比和轮廓曲率方差；
步骤3.4、使用灰度共生矩阵计算纹理特征，包括能量、对比度、自相关和逆差距。
[0008]进一步的，所述步骤5中，服务器采用K最邻近和支持向量机混合算法进行分类识另IJ，在实现分类识别前需预先对支持向量机算法进行训练，使用量子行为粒子群优化算法进行最优化处理，得到最优化参数。
[0009]与传统植物识别技术相比，本发明所述基于内容的植物叶片在线识别系统可运用于Android平台，随时随地在室外采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好实用价值。
【附图说明】
[0010]图1为本发明所述基于内容的植物叶片在线识别系统的操作过程图。
【具体实施方式】
[0011]下面结合具体附图对本发明作进一步说明。
[0012]本发明所述基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯，按照以下步骤实施:
步骤1、移动终端采集待识别植物叶片图像。
[0013]移动终端利用自带的相机功能，可在室外随时随地采集待识别植物叶片图像。
[0014]步骤2、进行图像预处理，包括灰度化、去除噪声等。
[0015]对采集到的图像进行预处理，将彩色图像灰度化，采用高斯滤波器对图像进行降噪处理。
[0016]步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征。
[0017]步骤3.1、使用图像分割方法得到叶片区域，采用边缘检测算子提取叶片轮廓； 步骤3.2、提取叶片凸包、最小外接矩形、内切圆和外切圆；
步骤3.3、计算形状特征:纵横轴比、矩形度、面积凹凸比、周长凹凸比、圆形度、球状性、轮廓凸包顶点比和轮廓曲率方差；
步骤3.4、使用灰度共生矩阵计算纹理特征:能量、对比度、自相关和逆差距。
[0018]步骤4、将步骤3获得的特征上传至服务器。
[0019]步骤5、服务器端接收特征并进行叶片分类识别。
[0020]服务器采用K最邻近和支持向量机混合算法进行分类识别，在实现分类识别前需预先对支持向量机算法进行训练，使用量子行为粒子群优化(QPS0)算法进行最优化处理，得到最优化参数。
[0021]步骤6、将识别结果信息返回到移动终端。
[0022]步骤7、移动终端显示识别结果。
[0023]在移动终端显示待识别植物的种类，以及该植物的相关科普信息。
[0024]移动终端应用程序支持Android 4.0以上操作系统，图像预处理和特征提取等图像处理操作通过NDK/JNI技术调用C++程序实现，以提高运算速度；移动终端与服务器端通信基于HTTP协议；服务器采用K最邻近和支持向量机混合算法进行分类识别，算法基于 LibSVM (Java 版)二次开发。
【主权项】
1.一种基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是:按照以下步骤实施: 步骤1、移动终端采集待识别植物叶片图像； 步骤2、进行图像预处理，包括灰度化、去除噪声； 步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征； 步骤4、将步骤3获得的特征上传至服务器； 步骤5、服务器端接收特征并进行叶片分类识别； 步骤6、将识别结果信息返回到移动终端； 步骤7、移动终端显示识别结果。2.如权利要求1所述的基于内容的植物叶片在线识别系统，其特征是:所述步骤2中图像预处理包括将彩色图像灰度化，采用高斯滤波器对图像进行降噪处理。3.如权利要求1所述的基于内容的植物叶片在线识别系统，其特征是:所述步骤3按照以下步骤实施: 步骤3.1、使用图像分割方法得到叶片区域，采用边缘检测算子提取叶片轮廓； 步骤3.2、提取叶片凸包、最小外接矩形、内切圆和外切圆； 步骤3.3、计算形状特征，包括:纵横轴比、矩形度、面积凹凸比、周长凹凸比、圆形度、球状性、轮廓凸包顶点比和轮廓曲率方差； 步骤3.4、使用灰度共生矩阵计算纹理特征，包括能量、对比度、自相关和逆差距。4.如权利要求1所述的基于内容的植物叶片在线识别系统，其特征是:所述步骤5中，服务器采用K最邻近和支持向量机混合算法进行分类识别，在实现分类识别前需预先对支持向量机算法进行训练，使用量子行为粒子群优化算法进行最优化处理，得到最优化参数。
【专利摘要】本发明涉及一种基于内容的植物叶片在线识别系统，该系统包括移动终端和服务器两部分，两者通过无线网络相互通讯；其特征是：按照以下步骤实施：步骤1、移动终端采集待识别植物叶片图像；步骤2、进行图像预处理，包括灰度化、去除噪声；步骤3、图像分割得到叶片区域，提取叶片轮廓，提取特征；步骤4、将步骤3获得的特征上传至服务器；步骤5、服务器端接收特征并进行叶片分类识别；步骤6、将识别结果信息返回到移动终端；步骤7、移动终端显示识别结果。本发明能够随时随地采集植物叶片图像，进行在线识别分类，准确率高，实时性强，具有较好的实用价值。
【IPC分类】G06K9/00, G06K9/62
【公开号】CN105404853
【申请号】CN201510719285
【发明人】罗海驰, 李岳阳, 李洋
【申请人】江南大学
【公开日】2016年3月16日
【申请日】2015年10月29日