形状分析在植物种类鉴定方面的应用

最新推荐文章于 2024-04-30 07:33:02 发布

HIT_ChenPeng

最新推荐文章于 2024-04-30 07:33:02 发布

阅读量1.2k

点赞数

分类专栏：植物种类鉴别文章标签：形状分类植物种类鉴别基本概念

本文链接：https://blog.csdn.net/HIT_ChenPeng/article/details/54411675

版权

本文探讨了形状分析方法在植物种类鉴定中的有效性，特别是在处理叶片分类问题时，利用边缘轮廓数据进行分析，避免了光强变化、叶片缺陷等问题。通过引用相关文献，阐述了基于曲线的识别工作，并介绍了预处理步骤，包括RGB转灰度、直方图阈值处理、边缘增强等。此外，提到了基于srv-framework的分类方法和一些未明概念如one-leave-out test和MAP等。

摘要由CSDN通过智能技术生成

- 背景介绍
- 相关文献
  - 预处理步骤
  - 基于srv-framework的分类

背景介绍

叶片分类问题难点是叶片表面性质不同引起的光强改变，叶片部分包卷，缺损，虫蛀的情况。这类问题不适合使用图像数据进行识别和判断，更适合边缘的轮廓数据进行分析。边缘曲线对光强，叶片反光，叶片中心的虫蛀，缺损本身就不敏感。同时，识别叶片的方法主要在于叶片的整体形状以及边缘细节的光滑度。因此，这是证明形状分析方法有效性和应用性非常合适的应用背景。

相关文献

下列几篇文章使用了曲线去做相关的识别工作，并附上文章中我所感兴趣的内容：

Similarity Metric For Curved Shapes In Euclidean Space (CVPR) Demisse基于李群的度量方法，认为Srivastava的方法容易忽略曲线的细节信息的做法是不合适的。
A leaf recognition algorithm for plant classification using probabilistic neural network. 提供了Flavia数据库及相应处理代码。
Landmark-free statistical analysis of the shape of plant leaves (Journal of Theoretical Biology) 给出了使用曲线分类的评判标准： MAP 以及 Precision-Recall图。
A Shape-based Approach for Leaf Classification using Multiscale Triangular Representation 和
A riemannian elastic metric for shape-based plant leaf classification 提供了Precision-Recall的计算公式后者更加详细。
Plant sp