[发明专利]一种基于叶片纹理特征和iOS平台的植物物种识别方法

说明书

技术领域

本发明涉及一种植物物种识别方法，尤其是涉及一种基于叶片纹理特征和iOS平台的植物物种识别方法。

背景技术

目前，植物物种识别方法主要有三种：

(1)人工贴上的物种标签：这是大部分植物园或公园采取的为方便游客识别植物物种的一种方法，即，将刻有植物相关信息的标签牌贴于植物枝干上供游客阅读。此方法存在着耗费人力物力、传达信息较少、表达不醒目以及标签易被腐蚀等先天性不足，限于此，仅在收费或者受保护的景区得以普及；

(2)人工贴上的二维码：此方法可视为方法(1)的升级版，是物种标签和现代电子技术发展相结合的产物，游客通过扫描贴于植物枝干上的二维码，接入互联网即可获得丰富的植物物种信息，该方法克服了方法(1)中的传递信息少的缺点，但仍存在着耗费人力物理和标签易被腐蚀等缺点，仅在极少数园区得以实施，目前仍处于试验阶段；

(3)专业的植物分类学工作者的研究：这是最传统的植物分类学研究方法，研究者们通过采集标本和人工测量，并结合经验知识和书本指导对标本进行分类，这种方法工作量巨大，并且需要大量专业知识，只能在科研领域得以实施。

以上三种方法由于自身的缺陷都未能够得到普及，目前市场上并没有一种方便快捷并且代价小的植物物种识别方法。

随着机器学习和数字图像处理等技术的快速发展，人们试图借助计算机的强大计算能力和学习能力，对植物物种进行自动识别。过去20年，欧美等国家陆续有科研工作者呼吁通过采用机器学习和数字图像处理技术将植物物种识别实现全自动或半自动的计算机辅助计算。1993年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；1999年Cholhong Im等利用叶片的多边形逼近来识别槭属类植物；2001年Manh利用变形结构来逼近叶片：首先找到骨架，然后在骨架上作垂线。这些研究工作的对象大都局限于某一特定领域的几种植物，未能普及。

申请号为201310670473.8的中国专利公开了一种基于Android平台的植物叶片识别方法，通过Android平台对图像进行处理，然后选择单机识别或联网识别，联网识别中，通过HTTP协议将感兴区图像发送到服务器端，服务器端用servlet进行接收，之后对接收的图像提取特征梯度直方图特征向量，接着送入支持向量机进行分类识别，并将识别结果返回Android平台。申请号为201410228847.5的中国专利公开了一种基于叶片HOG特征和智能终端平台的植物物种识别方法，该方法中，服务器接收客户端的识别请求和叶片图像，对叶片图像进行HOG特征提取，然后以提取出的HOG特征作为训练好的SVM分类器的输入，对叶片图像进行分类识别，根据识别结果从植物物种数据库查找当前叶片图像对应类别的植物物种信息，并发送给客户端。以上方法识别效果有待改进。

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识别效率和准确率高的基于叶片纹理特征和iOS平台的植物物种识别方法。

本发明的目的可以通过以下技术方案来实现：

一种基于叶片纹理特征和iOS平台的植物物种识别方法，该方法采用C/S架构，以iOS手机平台为客户端，以计算机为服务器端，所述的客户端用于采集叶片图像、向服务器端发送识别请求和展示植物物种信息数据库，所述的服务器端用于提取叶片图像的特征向量、对叶片图像分类识别、构建植物物种信息数据库和向客户端发送物种信息数据。

所述的客户端与服务器端之间采用HTTP协议通信，客户端到服务器端的识别请求(上行协议)使用POST请求，服务器端到客户端的物种信息数据(下行协议)使用GET请求。

本发明的方法包括以下步骤：

S1，客户端获取叶片图像并对图像进行预处理；

S2，客户端将预处理后的叶片图像传输给服务器端，并向服务器端发送识别请求；

S3，服务器端使用轮廓波变换算法提取叶片图像的纹理特征；

S4，服务器端以提取出的纹理特征作为训练好的SVM分类器的输入，对叶片图像进行分类识别，获取植物物种的分类编号；

S5，服务器端对植物物种信息数据库进行检索，向客户端发送步骤S4中的植物物种的信息数据。

所述的步骤S3中，叶片图像的纹理特征提取包括以下步骤：

S31，使用轮廓波变换将叶片图像数据分解成4层数据，第1层到第3层是中间频带，第4层是高频带；