基于图像处理的植物种类识别

《基于图像处理的植物种类识别》围绕植物叶片图像识别技术，对植物识别过程中涉及的诸多关键技术进行了探讨。《基于图像处理的植物种类识别》分为6章。第1章介绍了植物叶片的外观、叶片识别系统的框架及叶片图像获取与预处理方法。第2章介绍了复杂背景图像中分割提取叶片图像的方法，主要介绍了随机漫步模型，以及基于该模型的图像分割技术。第3章梳理了可用的叶片特征和特征分类器，并对目前学术界常用的叶片图像数据库进行了介绍。第4章介绍了脉冲耦合神经网络模型及其研究进展，并对基于PCNN的叶片图像识别方法进行了阐述。第5章介绍了BOW或BOF与脉冲耦合神经网络、Jaccard距离、Laws纹理能量等相结合进行植物识别的方法。第6章介绍了基于两级分类的植物叶片识别的方法。
本书适合高等院校相关专业高年级学生和研究生，以及从事人工神经网络、模式识别、数字图像处理、植物识别等领域的科研人员使用和参考。

前言
第1章叶片形态与图像获取1
1.1叶片外观1
1.1.1叶形1
1.1.2叶脉2
1.1.3叶片颜色3
1.2叶片识别系统3
1.3叶片图像获取5
1.3.1图像获取5
1.3.2姿态校正6
1.3.3去除叶柄10
参考文献16
第2章具有复杂背景的叶片图像分割方法17
2.1随机漫步模型17
2.1.1随机漫步模型的由来17
2.1.2随机漫步标准模型19
2.1.3随机漫步改进模型23
2.2基于随机漫步模型的图像分割31
2.2.1算法描述31
2.2.2图像分割实验结果41
参考文献46
第3章叶片特征提取与分类48
3.1叶片特征提取48
3.1.1形状特征49
3.1.2纹理特征59
3.1.3颜色特征69
3.1.4特征性能评估70
3.2叶片特征分类72
3.2.1常用分类器74
3.2.2分类器性能评估76
3.3常用数据库79
参考文献81
第4章基于PCNN的识别方法87
4.1PCNN87
4.1.1概述87
4.1.2PCNN模型88
4.1.3在图像处理领域的应用95
4.1.4在非图像处理领域的应用100
4.1.5硬件实现100
4.2基于PCNN的植物识别方法101
4.2.1熵序列的改进101
4.2.2对比实验结果105
4.3基于ICM的植物识别方法.115
参考文献116
第5章基于BOW和BOF的识别方法126
5.1BOW与BOF126
5.1.1BOW126
5.1.2BOF127
5.1.3编码方法对比132
5.1.4弱监督字典学习134
5.2基于BOW与DPCNN的方法137
5.2.1形状上下文特征137
5.2.2算法结构137
5.2.3实验结果138
5.3基于BOF与DPCNN的方法143
5.3.1算法结构143
5.3.2实验结果146
5.4基于VLAD的方法150
5.4.1算法结构150
5.4.2实验结果151
5.5基于BOW的组合特征方法.156
5.5.1Jaccard距离与Laws纹理能量测量156
5.5.2算法结构158
5.5.3实验结果161
参考文献168
第6章基于两级分类的植物叶片识别方法173
6.1基于区域面积占比的形状特征173
6.1.1特征描述173
6.1.2特征有效性分析176
6.2基于轮廓角点的形状特征179
6.2.1角点检测179
6.2.2特征描述181
6.2.3特征有效性分析182
6.3叶脉特征186
6.3.1叶脉提取186
6.3.2叶脉特征描述188
6.4基于形状的两级分类算法189
6.4.1两级分类策略189
6.4.2基于形状的第一级分类的实验分析191
6.4.3基于组合特征的第二级分类的实验分析195
6.4.4植物识别系统的总体评价197
参考文献199