机器视觉下多特征组合的竹子分类方法

邓 莹，金爱武，，朱强根，方 婷

（1.浙江农林大学省部共建亚热带森林培育国家重点实验室，浙江杭州 311300；2.丽水学院 生态学院，浙江 丽水 323000）

0 引言

中国是竹类资源极为丰富的国家之一，已知有37 属、500 余种［1］。许多竹种为我国特有，但是由于目前仍然没有一个统一、权威的分类系统，竹子分类仍是竹类资源研究领域的重要问题之一［2］。除传统解剖学意义下的竹子分类，如秆、叶、地下茎、根等，分类专家们在胚胎学、细胞学、化学、分子生物学等领域也有深入研究［3］。近年来，在计算机领域，基于植物叶片图像的植物分类等研究不断取得新进展。叶片是竹子中的重要营养器官之一，不同种类竹类叶片的形状、颜色、几何等具有一定差异，在机器视觉下，提取叶片的纹理、颜色、几何等多种特征，在设计的分类器中进行分类识别，能高效方便地应用于植物分类。已有不少国内外学者将此应用于植物叶片分类上，为本研究挑选数据特征提供了参考。王勇等［4］通过对棉花不同部分颜色数据的分析，建立了基于色差信息的识别模型，利用形状特征建立动态Freeman 编码方法去除噪声，棉桃识别率达85%；杨福增等［5］在基于颜色和形状特征的识别方法下有效分辨出了茶叶嫩芽，识别准确率为94%；叶萍［6］提取植物叶片的不变矩、傅里叶描绘子和分形维数等几何特征，采用BP 神经网络训练对植物进行分类识别，正确率可达92%；高良等［7］通过计算基于几何特征、纹理特征和角点距离矩阵的综合相似度对叶片进行精确识别，对Flavia 数据集的识别率可达97.50%；……