[发明专利]基于水平集和局部敏感判别映射的植物物种计算机辅助分类系统及分类方法

说明书

技术领域

本发明涉及图像处理与模式识别在植物识别与分类系统中的应用，特别涉及基于水平集和局部敏感判别分析的植物物种计算机辅助分类系统设计。

背景技术

植物是地球上物种数量最多、分布最广泛的生命形式之一，是人类生存与发展的重要遗传资源，是人类的重要食物来源，也是人类生产和生活所必需的资源。同时，植物在水土保持、抑制荒漠和改善气候等方面起着至关重要的作用。无论对于农业信息化还是对于生态保护，植物种类的计算机辅助识别研究都是非常必要的，也是基础而又重要的一个环节。据统计，地球上大约有30万种植物，其中植物学家命名和记录在案的约有25万种。而我国仅高等植物就有3.5万多种，是世界第二大植物物种资源库。随着人类的生产活动的日益增加，生态环境不断遭到破坏。Alan K.Knapp于2002年在Science上发表关于植物物种分布的论文，文中提到世界上大约有3.4万种植物物种已处于灭绝的边缘，占世界已知的25万种植物的13％。植物保护的一个重要方面就是对植物进行分类研究。随着计算机技术的飞速发展，对植物的分类研究，已经突破了单纯从植物细胞及化学遗传成分的角度去鉴定植物种类的方法，可以综合应用图像处理技术、模式识别技术，并辅以图像获取设备实现对植物的快速识别。

从目前的研究结果来看，植物的叶片图像为最主要的研究对象，这与植物形态分类学也是相符的。在传统的植物形态分类学中，主要通过观察和测量植物营养器官和生殖器官上稳定的外部可见特征来确定植物间的亲缘关系并进行分类。一般情况下，开花类植物都含有六种器官，分别是根、茎、叶、花、果和种，在植物分类学上它们的形态均可以作为分类的参考依据。但是，根或茎会随着植物的环境变迁在形态结构上产生较大的改变；果实和种子一般是在特定季节才会出现，且是三维形状的物体，因此处理起来较为复杂。相比较而言，植物的叶片作为营养器官，在形状结构上一般较为稳定，且基本上处于平面状态，适合于进行二维图像处理；同时，叶片的数字图像在一年的大部分时间内都可以很方便地采集到。近年来，对植物叶片进行图像处理和分析渐渐得到了人们的重视。Y.F.Li等[13]在2005年利用基于细胞神经网络的Snake模型来提取叶脉【Y.F.Li，Q.S.Zhu，Y.K.Cao，C.L.Wang.A Leaf VeinExtraction Method Based On Snakes Technique.Proceedings of IEEE International Conference onNeural Networks and Brain，2005，885-888.】。Neto等在2006年提出了一种对叶片形状分析的基于椭圆傅立叶变换的植物种类识别方法来识别大豆、向日葵、绒毛叶和美洲茶【NetoJC，Meyer GE，Jones DD，et al.“Plant species identification using Elliptic Fourier leaf shapeanalysis，”Computers and Electronics in Agriculture，2006，2(50)：121-134.】。在2008年，O.M.Bruno等利用盒维数法估算了70个叶片样本图像的分形维数，从而较好地分析了相应叶片类型的复杂度，为植物叶片的机器识别提供了分形学方面的理论依据【Bruno OM，PlotzeRO，Falvo M，et al.“Fractal dimension applied to plant identification，”Inform.Sci.，2008，178(12)2722-2733.】。