摘要：在继承主动形状模型以地标点序列表示对象形状轮廓,通过归一化序列间的统计关系来研究形状间的相似性和差异性;以及用识别率来体现识别效果这三个基本特征的同时,针对植物叶片识别的特点,对模型进行了改进。增加了独立参数和粗分类步骤,使叶片识别免受非形状分类因素的干扰。在归一化进程中分别应用覆盖面积半径和生物学参照点进行伸缩变换和旋转变换,使归一化更符合生物学特征。在分类时通过设置相似度阈值,强化了同类叶片的标准,从而减少了一些非同类的误归入事件的发生。最后设计了三组实验来研究各影响因素独立变化时对识别率的影响,同时引入了误差矩阵和相似度矩阵,分别来体现错分的事件的分布情况并揭示了产生错分的原因。经过这些改进,实现植物叶片图像的批量识别和分类,提供了一种查询错分分布的方法并指出提高识别率的研究方向。

原文链接:http://www.cqvip.com//QK/84018X/201212/41783468.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）