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