一种基于花朵特征的植物种类识别系统的制作方法
【专利摘要】本发明涉及植物类别识别领域，具体涉及一种基于花朵特征的植物种类识别系统，包括微处理器单元通过usb接口，与图像采集器的输入端相连，经过微处理器单元计算处理后，通过触控显示单元输出结果；其中，微处理器单元上依次连接有数据库系统、图像处理系统、特征提取处理系统、编码分类系统和对比识别系统；图像处理系统包括预处理和花朵分割；特征提取处理系统为通过颜色直方图提取特征，通过处理得到纹理空间特征；编码分类系统将每个花的特征值由三个8位二进制数值表示；对比识别系统包括颜色比对、轮廓比对和纹理比对；优点：基于花朵特征设计的花朵编码分类体系，弥补了传统识别系统无法兼顾扩展性能、识别速率、识别准确度的难题，适于推广。
【专利说明】一种基于花朵特征的植物种类识别系统
【技术领域】
[0001]本发明涉及植物类别识别领域，具体涉及一种基于花朵特征的植物种类识别系统。
【背景技术】
[0002]用计算机辅助人进行植物种类识别，是近来机器视觉领域里的重要研究方向。花朵特征作为重要的分类识别依据，逐渐取代叶片特征成为植物种类识别依据的首选器官，依据花朵特征搭建高效的植物种类近似识别系统是近几年植物识别领域的重要研究内容。
[0003]2006-2008年，Maria-Elena Nilsback等人对花朵图像的分割、特征提取进行了研究，计算了花朵图像的局部形状、纹理、边界形状、空间分布以及颜色在内的多个特征。2007年，吴清锋选择中草药植物花卉图像为研究对象，通过简单的颜色、纹理、形状三个视觉特征的描述，借助SVM分类器实现了单一种类花朵的检测识别。2010年，ChomtipPornpanomchai等人通过提取待识别花朵颜色RGB分量比率特征值和边缘轮廓特征值，计算两者欧式距离，用以寻找已存种类中与之距离最近的目标，继而完成植物种类的识别。2011年，Tzu-Hsiang Hsu等人,通过花朵特定区域的颜色、结构特征,训练最小距离分类器对目标进行近似识别。
[0004]目前，基于分类器或神经网络的识别系统训练过程繁琐，且识别目标单一，扩展性差；基于花朵特征比对的近似识别系统，无法克服识别准度与速度的矛盾，且其一一比对的识别过程，限制了识别库容量的提升。
[0005]现有对比文件专利号201310433155.X( —种基于植物叶片图像信息的便携式校园植物种类识别系统)公开了一种通过叶片来识别的嵌入式系统，但缺点是，分类器类的识别系统，过程繁琐复杂，扩展性也差，同时现有的近似识别系统，速度和准度无法同时保证。同时，相对植物叶片特征而言，花朵特征的特性差异更明显，目前还没有一个系统能够做到对花朵特性的近似识别。
【发明内容】
[0006]本发明为了克服上述问题，提供了一种基于花朵颜色、轮廓、纹理、空间结构等多项特征对植物进行编码归类，识别速度快且准确度高的花朵近似识别系统。
[0007]本发明的技术方案如下:一种基于花朵特征的植物种类识别系统，微处理器单元通过usb接口与图像采集器的输出端相连，经过微处理器单元计算处理后，通过触控显示单元输出结果；其中，微处理器单元上依次连接有数据库系统、图像处理系统、特征提取处理系统、编码分类系统和对比识别系统；
[0008]所述的图像处理系统包括(I)预处理:与图像采集器结合，调整图像采集输入端的花朵尺寸，然后通过中值滤波器滤除椒盐噪点，再通过高斯函数低通滤波降噪，从而得到可准确提取特征的花朵图像；(2)花朵分割:使用最大熵阈值二值化分割为主，GrabCut算法为辅的分割体系，将花朵从背景中分割出来，并生成颜色直方图；
[0009]所述的特征提取处理系统分为三部分:通过颜色直方图提取颜色特征、通过对花朵轮廓的拟合多边形图像和拟合凸包图像提取轮廓特征和通过计算处理得到纹理空间特征；
[0010]所述的编码分类系统将每个花的特征值由三个8位二进制数值表示，用每一位的“O”和“I”分别代表对象所属的子类类别是否具有该特性；
[0011]所述的对比识别系统包括颜色比对、轮廓比对和纹理比对，然后三个相似度通过加权欧氏距离值换算总体相似度。
[0012]优选方案如下:
[0013]微处理器单元由ARM内核及其外围功能电路组成。
[0014]调整图像采集处的花朵尺寸为800*600 (4: 3)或800*450 (16: 9)。颜色特征包括花朵图片HSV色彩空间中的H(色调)层中各颜色的含量，S (饱和度)层、V(亮度)层直方分布图的平均值、“峰”数、“峰”分布带、最大熵阈值。
[0015]颜色特征包括花朵色调层各色系像素含量，饱和度层均值、“峰”数，和亮度层均值、“峰”数。
[0016]轮廓特征包括花朵轮廓边角数、面积与周长比、外接圆饱和度、凸包饱和度、最大缺陷比率、花瓣边缘凹凸度和锐角比率。
[0017]纹理空间特征包括:灰度共生矩阵能量特征、线段成分、花朵中心离散点和梯度向量随离心距离分布。
[0018]对比识别系统中各部分的权重比例为颜色:轮廓:纹理=3:1:2。对比识别系统采用编码分类体系，可缩小识别范围，进而能够使用复杂精确的算法进行比对识别。
[0019]其中，一、图像处理系统中最大熵阈值二值化的公式为:
[0020]
【权利要求】
1.一种基于花朵特征的植物种类识别系统，其特征在于:微处理器单元通过USb接口，与图像采集器的输出端相连，经过微处理器单元计算处理后，通过触控显示单元输出结果；其中，微处理器单元上依次连接有数据库系统、图像处理系统、特征提取处理系统、编码分类系统和对比识别系统； 所述的图像处理系统包括(I)预处理:与图像采集器结合，调整图像采集输入端的花朵尺寸，然后通过中值滤波器滤除椒盐噪点，再通过高斯函数低通滤波降噪，从而得到可准确提取特征的花朵图像；(2)花朵分割:使用最大熵阈值二值化分割为主，GrabCut算法为辅的分割体系，将花朵从背景中分割出来，并生成颜色直方图； 所述的特征提取处理系统分为三部分:通过颜色直方图提取颜色特征、通过对花朵轮廓的拟合多边形图像和拟合凸包图像提取轮廓特征和通过计算处理得到纹理空间特征； 所述的编码分类系统将每个花的特征值由三个8位二进制数值表示，用每一位的“O”和“ I ”分别代表对象所属的子类类别是否具有该特性； 所述的对比识别系统包括颜色比对、轮廓比对和纹理比对，然后三个相似度通过加权欧氏距离值换算总体相似度。
2.根据权利要求1所述的一种基于花朵特征的植物种类识别系统，其特征在于:所述的微处理器单元由ARM内核及其外围功能电路组成。
3.根据权利要求1所述的一种基于花朵特征的植物种类识别系统，其特征在于:所述的调整图像采集处的花朵尺寸为800*600(4: 3)或800*450 (16: 9)。
4.根据权利要求1所述的一种基于花朵特征的植物种类识别系统，其特征在于:所述的颜色特征包括花朵色调层各色系像素含量，饱和度层均值、“峰”数，和亮度层均值、“峰”数。
5.根据权利要求1所述的一种基于花朵特征的植物种类识别系统，其特征在于:所述的轮廓特征包括花朵轮廓边角数、面积与周长比、外接圆饱和度、凸包饱和度、最大缺陷比率、花瓣边缘凹凸度和锐角比率。
6.根据权利要求1所述的一种基于花朵特征的植物种类识别系统，其特征在于:所述的纹理空间特征包括:灰度共生矩阵能量特征、线段成分、花朵中心离散点和梯度向量随离心距离分布。
7.根据权利要求1所述的一种基于花朵特征的植物种类识别系统，其特征在于:所述的对比识别系统中各部分的权重比例为颜色:轮廓:纹理=3:1:2。
【文档编号】G06K9/62GK104182763SQ201410403213
【公开日】2014年12月3日 申请日期:2014年8月12日 优先权日:2014年8月12日
【发明者】郑慧峰, 白帆, 唐廷浩, 喻桑桑, 王成 申请人:中国计量学院