基于多特征融合和深度信念网络的植物叶片识别

编号 zgly0001531080

文献类型 期刊论文

文献题名 基于多特征融合和深度信念网络的植物叶片识别

作者 刘念  阚江明 

作者单位 北京林业大学工学院 

母体文献 北京林业大学学报 

年卷期 2016年03期

年份 2016 

分类号 TP391.41 

关键词 叶片识别  傅里叶描述子  局部二值模式  深度信念网络 

文摘内容 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加,传统的分类方法由于提取的特征比较单一或者分类器结构过于简单,导致叶片识别率较低。为此,本文提出使用纹理特征结合形状特征进行识别,并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor滤波和灰度共生矩阵方法得到。而形状特征向量由Hu氏不变量和傅里叶描述子组成。为了避免过拟合现象,使用dropout方法训练深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法,在Flavia数据库中,对32种叶片的识别率为99.37%;在ICL数据库中,对220种叶片的识别率为93.939%。这表明相比一般的叶片识别方法,此方法鲁棒性更强,并且识别率更高。