[发明专利]基于叶片完备局部二值特征的Web在线物种识别方法

说明书

技术领域

本发明涉及一种植物识别方法，尤其是涉及一种基于叶片完备局部二值特征的Web在线物种识别方法。

背景技术

植物分类是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。传统的植物分类学研究一般对采集的标本需要人工测量、获得数据，综合植物的外部特征，通过人们的经验常识进行分类，这种方法工作量巨大，并且主观性较强，导致识别错误的可能性大。同样，就地球上有人类记载的有花植物就有约25万种，如此庞大的植物种类，单单的一两个植物学家是不可能知道所有的物种名称的，这对于植物分类的研究带来了极大的困难。

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。目前，基于计算机的物种识别技术只要提供有效的物种特征，就有可能实现自动、高效和精确的特征提取和识别分类。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。在国内，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，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，但是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。Guyey通过精确定位叶片图像轮廓上的点得到的植物叶片形状特征，并提取17种叶片图像的外形特征作为分类器的输入数据实现40种植物物种的可视化识别；

经调研发现，(1)以上识别方法大多是基于叶片的形状特征实现的，并且外形有时会差别很大，造成很大识别误差，纹理特征就能很好的客服这一缺陷并且纹理的识别应用还很少。(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。

发明内容

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准确率高、方便快捷的基于叶片完备局部二值特征的Web在线物种识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于叶片完备局部二值特征的Web在线物种识别方法，包括以下步骤：

1)浏览器通过上传接口将叶片图像、交互操作信息上传给Web服务器；

2)Web服务器获取叶片图像，并对叶片图像进行图像预处理：

3)采用新的完备局部二值模式提取叶片图像的新的完备局部二值纹理特征，所述的新的完备局部二值模式具体为：

3a)对叶片图像进行分块处理：

3b)对叶片图像的每一块，遍历3*3或5*5的区域，以原中心点加上周围半径为l的8个邻居作为新中心点，对新中心点的每个像素计算完备局部二值特征或局部二值计数特征，得到新的完备二值特征；

3c)最后统计所有块得到叶片图像最终的特征表达向量：

4)以提取出的完备局部二值纹理特征作为SVM分类器的输入，对叶片图像进行识别，获得该叶片图像对应的物种分类编号：

5)Web服务器向浏览器反馈物种分类编号及相应的物种信息。

步骤1)中，所述的交互操作信息包括图像大小调整、算子参数设定。

步骤2)中，所述的图像预处理包括灰度化、大小校正和边缘补充处理。

步骤3b)具体为：

采用传统完备局部二值模式对新中心点的中心像素分别计算符号部分S、数值部分M、中心部分C，对新中心点上的8个周围像素计算局部二值计数特征LBC，将计算获得的8个LBC求和得到新的特征为L，融合S、M、C、L得到SMC_L或者SM_C_L为最终的识别特征。

所述的对叶片图像进行分块处理时，首先将叶片图像划分成49块，然后经过高斯模糊计算后划分为59块。

步骤4)中，所述的SVM分类器的训练过程具体为：

4a)获取多个植物物种的叶片图像，对于每一个植物物种，均采集多张不同角度、不同光照、不同生长过程的叶片图像；

4b)对所有待训练的植物物种的叶片图像进行预处理和新的完备局部二值纹理特征提取；

4c)分别对每个植物物种设置物种标签，以所有新的完备局部二值纹理特征表达向量和物种标签作为SVM的输入进行训练；

4d)获得训练好的SVM分类器。