植物图像识别中的新型特征提取与分类算法研究

基于图像的植物物种识别是植物分类学和农业自动化领域中的一项新兴的应用基础研究。本项目将根据植物图像的特点，利用图像处理技术与机器学习算法，研究新型的植物图像特征提取、选择与分类算法，进而实现植物物种的自动鉴别与分类。本项目针对植物的叶图像和花图像，首先设计一种基于植物图像先验信息的形状检测方法以实现图像分割；然后根据植物形态分类学理论进行分类性状（特征）的矢量化定量描述，并进一步筛选出关键分类性状（特征）子集；最后，结合最小覆盖体积超椭球聚类方法和高维空间几何形状分析方法对特征数据进行分析，构造一种新型的具有椭球基隐层神经元的神经网络模型，并在此基础上构建一种新的神经网络学习委员会机来提高分类精度。本项目的开展一方面能对植物形态分类学和数值分类学的研究起到推动作用，另一方面也能够促进信息技术在新领域的应用与发展。