计算机应用研究
計算機應用研究
계산궤응용연구
Application Research of Computers
2015年
11期
3336-3340
,共5页
李晨%姚玮%韩忠伟%高一鸿%Florian Schmidt%蒋涛%丁惠君%王振宇%申旻旻
李晨%姚瑋%韓忠偉%高一鴻%Florian Schmidt%蔣濤%丁惠君%王振宇%申旻旻
리신%요위%한충위%고일홍%Florian Schmidt%장도%정혜군%왕진우%신민민
基于内容的图像分析%叶片分类%图像分割%特征提取%支持向量机%特征融合%无线传感器网络
基于內容的圖像分析%葉片分類%圖像分割%特徵提取%支持嚮量機%特徵融閤%無線傳感器網絡
기우내용적도상분석%협편분류%도상분할%특정제취%지지향량궤%특정융합%무선전감기망락
content-based image analysis%leaf classification%image segmentation%feature extraction%support vector ma-chine%feature fusion%wireless sensor network
为了将计算机辅助植物叶片分类算法从理论研究向实际应用推进,利用基于内容的图像分析与无线传感器网络技术实现了移动设备终端的植物叶片分类功能。利用基于 Sobel 边缘检测子的全自动图像分割方法获取叶片的准确形状,利用基于霍特林变换的方法对叶片进行旋转预处理并提取傅里叶描述子等九种形状特征,然后使用多类支持向量机分类器对叶片进行分类,再进一步使用早期融合的方法对分类结果进行加强,随后利用以上叶片分类方法作为核心技术建立无线传感器网络,最后利用 Java 与安卓技术实现移动客户端的应用功能。实验结果显示,对于两个叶片数据库,分别达到了80%的分类准确率水平,与国际同类研究水平相当;对于无线传感器网络,移动终端用户可在9 s 内从服务器得到叶片分类的反馈结果;移动客户端实现了安卓操作系统上的应用程序。综上所述,研究已经取得了显著的阶段性成果,并将在下一阶段的工作中引入更加新颖高效的方法来进一步提高叶片分类准确率。
為瞭將計算機輔助植物葉片分類算法從理論研究嚮實際應用推進,利用基于內容的圖像分析與無線傳感器網絡技術實現瞭移動設備終耑的植物葉片分類功能。利用基于 Sobel 邊緣檢測子的全自動圖像分割方法穫取葉片的準確形狀,利用基于霍特林變換的方法對葉片進行鏇轉預處理併提取傅裏葉描述子等九種形狀特徵,然後使用多類支持嚮量機分類器對葉片進行分類,再進一步使用早期融閤的方法對分類結果進行加彊,隨後利用以上葉片分類方法作為覈心技術建立無線傳感器網絡,最後利用 Java 與安卓技術實現移動客戶耑的應用功能。實驗結果顯示,對于兩箇葉片數據庫,分彆達到瞭80%的分類準確率水平,與國際同類研究水平相噹;對于無線傳感器網絡,移動終耑用戶可在9 s 內從服務器得到葉片分類的反饋結果;移動客戶耑實現瞭安卓操作繫統上的應用程序。綜上所述,研究已經取得瞭顯著的階段性成果,併將在下一階段的工作中引入更加新穎高效的方法來進一步提高葉片分類準確率。
위료장계산궤보조식물협편분류산법종이론연구향실제응용추진,이용기우내용적도상분석여무선전감기망락기술실현료이동설비종단적식물협편분류공능。이용기우 Sobel 변연검측자적전자동도상분할방법획취협편적준학형상,이용기우곽특림변환적방법대협편진행선전예처리병제취부리협묘술자등구충형상특정,연후사용다류지지향량궤분류기대협편진행분류,재진일보사용조기융합적방법대분류결과진행가강,수후이용이상협편분류방법작위핵심기술건립무선전감기망락,최후이용 Java 여안탁기술실현이동객호단적응용공능。실험결과현시,대우량개협편수거고,분별체도료80%적분류준학솔수평,여국제동류연구수평상당;대우무선전감기망락,이동종단용호가재9 s 내종복무기득도협편분류적반궤결과;이동객호단실현료안탁조작계통상적응용정서。종상소술,연구이경취득료현저적계단성성과,병장재하일계단적공작중인입경가신영고효적방법래진일보제고협편분류준학솔。
In order to use computer aided plant leaf classification algorithms in a practical way,this paper introduced a plant leaf classification system using content-based image analysis and wireless sensor network (WSN)techniques.First,it used a Sobel edge detector based full-automatic image segmentation method to obtain the accurate shapes of leaves.Second,it applied a Hotelling transform based method to rotate the obtained shapes and extracts nine shape features,including fourier descriptor and so on.Thirdly,it indentified different classes of leaves by a multi-class support vector machine classifier and evaluates the classification result by the classification accuracy.Furthermore,it used an early fusion approach to enhance the classification result by combine different features.Fourthly,it used the above classification method as the core technique to establish a WSN. Finally,it applied Java and Android techniques to implement an internet application on the mobile client.In experiments,it ob-tained good classification accuracies of 80% on two datasets,which were similar to that in other previous researches.Further-more,it designed a brief WSN framework and was able to finish a data transmission in 9 seconds.Lastly,it used Java technique to implement an application in Android system for image capturing and data transmission.In conclusion,this paper shows a re-markable result in the current phase,and it will be improved by more effective methods in the future work.