[发明专利]一种基于机器学习的花朵种类识别方法

说明书

本发明公开一种基于机器学习的花朵种类的识别方法，该方法首先从样本库中对每幅图像进行图像预处理后分割ROI区域，根据ROI区域的位置建立二维坐标系，对花朵进行四边定位，确定出花朵的矩形区域位置，对每个样本的ROI区域提取出SIFT特征，然后对每个样本的SIFT特征进行K‑means聚类，得到该样本的关键词及其权重和样本类别信息。随后，把所有样本的关键词及其权重作为输入、样本类别作为输出，来训练一个多类SVM分类器，得到一个包含所有花朵类别的种类信息的分类器，将新采集的未分类的图片输入训练好的多类SVM分类器中，即可输出对应的花朵种类信息。本发明的方法能对花朵类别进行智能识别，识别更快、更方便、识别率更高。

技术领域

本发明涉及图像处理领域，具体涉及一种基于机器学习的花朵种类的识别方法。

背景技术

人类的身边存在着各种各样的植物，它们是构成地球生物圈的重要组成部分；植物从诞生进化发展到现在，经历了十分漫长的岁月。地球上有着数以亿计的植物，形成了现实的生态系统，它们在维持生态系统的平衡方面发挥着巨大的作用，同时植物也是人类文明发展和延续必不可少的重要因素。因为植物对于生态系统和人类具有着如此重要的意义，对于植物进行研究就显得相当重要。但是因为不同种类的植物在经济价值、生活习性、形态构造等各个方面都表现出不同的特性，为了能够更好、更有效地保护、利用各种植物，我们需要对植物进行识别和分类。

花是植物的重要组成部分之一，能充分的反应植物的特征，通过对花朵的识别可以很好的对植物进行分类。在传统的花朵识别方法中，专业人员依靠自身丰富的经验，根据花朵外部形态上的特征，去识别花的种类。但是非专业的人员很难掌握这些方法，这些方法也很难被应用于日常的生活中。地球上有着数以万计的植物，单纯的依靠人的经验和记忆是很难有效的对植物进行识别的。

传统的花朵识别方法依靠人工方式进行分类,难度大,效率低。如何使人们更方便、快捷、准确的实现对花朵的辨认成为一个技术难题。

发明内容

针对现有技术的不足，本发明提出一种基于机器学习的花朵种类的识别的方法，具体技术方案如下：

一种基于机器学习的花朵种类的识别方法，其特征在于，该方法具体包括如下步骤：

S1：采集用于训练的包含花朵的图片；

S2：对所述的花朵图片进行灰度处理和阈值处理，得到对应的二值化图像；

S3：将该二值化图像中可能包含花朵的ROI区域进行分割提取出来；

S4：然后根据四边定位法对ROI区域进行花朵准确定位，所述的四边定位法具体过程为：

(1)先对ROI区域进行建立二维直角坐标系，根据坐标系确定ROI区域边缘点的坐标；

(2)对于ROI区域的任意一边，随机选取10-20个边缘点，计算边缘点的方差值，然后忽略误差较大的1个或两个边缘点，利用线性回归对剩下的边缘点进行回归直线拟合；

(3)最后对四条边均进行线性回归直线拟合，即得到包含花朵的矩形区域，从而实现对花朵的定位。

S5：对于每个花朵样本，均提取定位图像的所有SIFT特征；

S6：对每个定位图像提取到的所有SIFT特征进行聚类，得到生成特征的K个关键词及其权重；

S7：重复S2-S6，得到所有训练的包含花朵的图片的K个关键词及其权重和样本类别；

S8：将S7得到的所有的K个关键词及其权重作为SVM分类器的输入，样本的类别作为输出，训练一个多类SVM分类器，得到一个包含所有花朵类别的种类信息的分类器，从而实现了花朵识别。

S9：将新采集的未分类的图片输入训练好的SVM分类器中，即可得到对应的花朵种类信息。