主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
陈鑫,王斌,姬子恒.高斯卷积角:一种用于叶片图像检索的形状描述不变量.软件学报,0,(0):0
高斯卷积角:一种用于叶片图像检索的形状描述不变量
Gaussian Convolution Angle: A Shape Description Invariant for Leaf Image Retrieval
投稿时间:2019-09-18  修订日期:2019-11-07
DOI:10.13328/j.cnki.jos.006015
中文关键词:  叶片图像识别  形状描述  高斯卷积角  多尺度描述  图像检索
英文关键词:leaf image recognition  shape description  Gaussian convolution angle  multiscale description  image retrieval
基金项目:国家自然科学基金(61372158);国家重点研发计划项目(2017YFD0700501);江苏省自然科学基金(BK20181414);江苏省高校优秀科技创新团队项目(2017-15);江苏省高校自然科学研究重大项目(18KJA52004)
作者单位E-mail
陈鑫 南京财经大学 信息工程学院, 江苏 南京 210023  
王斌 南京财经大学 信息工程学院, 江苏 南京 210023
电子商务省级重点实验室(南京财经大学), 江苏 南京 210023 
wangbin@nufe.edu.cn 
姬子恒 南京财经大学 信息工程学院, 江苏 南京 210023  
摘要点击次数: 178
全文下载次数: 99
中文摘要:
      植物叶片图像的识别是计算机视觉和图像处理技术在生物学和现代农业中的一个重要应用.其挑战性在于植物叶片种类数量巨大,且许多叶片图像具有很大的类间相似性,使得描述叶片图像的类间差异变得非常困难.本文提出了一种称为高斯卷积角的叶片形状描述新方法.该方法用高斯函数与叶片轮廓点的左右邻域向量的卷积产生高斯卷积角,再通过改变高斯函数的尺度参数,生成多尺度的高斯卷积角,组成特征向量.组合各轮廓点的特征向量,构成一个特征向量集合,作为叶片形状的描述子.两幅叶片图像的相似性可以简单的通过计算它们的高斯卷积角特征向量集合间的Hausdorff距离来进行度量.高斯卷积角描述子具有平移、旋转、缩放和镜像变换的内在不变性.该不变性从理论上得到了证明.该描述子还具有由粗到细的描述叶片形状的优良特性,使得其具有很强的叶片辨识能力.通过用中外两个公开的叶片图像数据集进行算法性能测试,实验结果表明该方法优于现有的其他同类方法,验证了该方法的有效性.
英文摘要:
      Plant leaf image recognition is one of important applications of computer vision and image processing technology to biology and modern agriculture. It is a challenging problem due to the large size of the plant species community and great inter-class similarity, which makes it very difficult to describe the variants between classes of leaf images. In this paper, a novel shape description method, Gaussian convolution angle, is proposed for identifying leaf image. For each contour point, its left and right neighborhood vectors are convolved with a Gaussian function respectively to form Gaussian convolution angle. By changing the scale parameter of the Gaussian function, multiscale Gaussian convolution angles are derived to form a feature vector. Combing the feature vectors of all the contour points, a set of feature vectors is built for describing leaf shape. The similarity of the two leaf images can be simply measured by calculating the Hausdorff distance between their feature vector sets. The proposed Gaussian convolution angle descriptor is inherently invariant to translation, rotation, scaling and mirror transformation which have been theoretically proved in this paper. The descriptor also has the excellent characteristic of describing the leaf shape from coarse to fine, which makes it have a strong ability to identify the leaf. Two publicly available leaf image datasets are used to test the performance of the proposed method. The experimental results show that the proposed method outperform the state-of-the-art methods on leaf image recognition which indicates the effectiveness of the proposed method.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利