论文部分内容阅读
该文探讨如何根据植物的叶片特征,利用图像处理和机器学习的方法对植物进行分类。鉴于现有的叶片分类系统多采用单一的特征,如几何和纹理等,仅能在小规模数据库上得到较好的结果。然而,随着样本种类的增多,单一特征在不同种类叶片之间的相似性非常明显,致使分类正确率降低。该研究使用多种复合特征,并提出了原创的预处理方法以及宽度、叶缘频率特征,较传统的几何特征更为详尽。研究结果显示,复合特征可以有效避免算法过拟合问题,使之适用于更大的数据库。通过提取21类植物的叶片宽度、颜色、叶缘和纹理共292维特征,对1 915张数字图像进行了分类,正确率达到93%,并分析了各类特征对分类结果的影响。研究结果表明,在不影响分类正确率前提下,可将特征减少到约100维。