[发明专利]一种基于机器学习的花朵种类识别方法

摘要

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。

主权项

1.一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：/nS1：采集用于训练的包含花朵的图片；/nS2：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；/nS3：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；/nS4：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：/n(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；/n(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。/n(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。/nS5：对于每个花朵样本，均提取定位图像的所有SIFT特征；/nS6：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；/nS7：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；/nS8：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。/nS9：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。/n