一种基于双切弦形状词典的叶片图像识别方法和系统

本发明属于植物叶片识别，尤其涉及一种基于双切弦形状词典的叶片图像识别方法和系统。

背景技术：

1、分析叶片形状模式，提取具有辨识力的形状特征是近年来叶片图像模式识别的一个重要方向。根据生成的形状特征是否依赖于训练图像，形状特征可进一步细分为非学习的和学习的特征。非学习形状特征主要利用几何测度，如距离、角度或面积等，挖掘形状曲线或空间分布特征。此类方法模型简单、计算速度快，但人工形状特征完全依赖于人为先验知识且对非刚性形变敏感，表征能力有限、准确率低。基于学习的形状特征主要是利用词袋模型将局部描述特征看作形状词向量，并通过将形状特征映射到一组高维特征向量(词典)中来提取形状稀疏表征，所得形状特征紧致、鲁棒且区分能力强。另外，单一形状特征难以全面刻画叶片图像特征，基于纹理模式的纹理特征是叶片图像识别任务的另一有效途径，能够与形状特征相互补充。

2、当前，深度学习，特别是卷积神经网络(cnn)，已经在包括自然语言处理和计算机视觉在内的各个领域取得了瞩目的成就。因此，越来越多研究围绕利用深度学习特征进行叶片识别展开。但是，仅依靠深度学习特征在描述叶片特征方面不如人工方法可靠且存在训练样本量大和训练时间过长的缺点。

技术实现思路

1、本发明针对现有技术中的不足，提供一种基于双切弦形状词典的叶片图像识别方法和系统。

2、第一方面，本发明提供一种基于双切弦形状词典的叶片图像识别方法，包括：

3、构建基于轮廓点的曲线双切弦模型，所述轮廓点为叶片外轮廓上的点；

4、根据曲线双切弦模型中双切弦与曲线围成的面积提取基于轮廓点的曲线七元组特征向量；

5、沿叶片外轮廓逆时针滑动目标轮廓点并改变曲线长度，提取基于形状轮廓点的不同长度曲线七元组特征向量，以构建多尺度双切弦形状特征；

6、在数据库叶片图像每一尺度双切弦形状特征上获取不同尺度双切弦形状词典及基于形状轮廓点的对应长度曲线的七元组特征向量类别索引；

7、将矢量量化应用于同一叶片形状不同尺度七元组特征向量类别索引，构建多组一维直方图；

8、将多组一维直方图拼接，得到最终基于双切弦形状词典的形状特征；

9、根据最终基于双切弦形状词典的形状特征确定两个叶片形状的相似度。

10、进一步地，所述基于双切弦形状词典的叶片图像识别方法，还包括：

11、根据形状特征相似性测度ds计算请求叶片图像ψq与数据库中每个叶片图像相似度从中选取前m个最小值构成叶片图像ψq形状特征相似度集其中j＝1,2,...,w；w为数据库中叶片图像的总数；

12、根据纹理特征相似性测度dt计算请求叶片图像ψq与数据库中每个叶片图像相似度从中选取前m个最小值构成请求叶片图像ψq的纹理特征相似度集

13、根据深度学习特征相似性测度dd计算请求叶片图像ψq与数据库中每个叶片图像相似度从中选取前m个最小值构成请求叶片图像ψq的深度学习特征相似度集

14、根据形状特征相似性测度ds计算数据库中叶片图像与请求叶片图像ψq相似度以及数据库中叶片图像与数据库中剩余叶片图像的相似度并从和中选取前m个最小值构成叶片图像形状相似度集其中i＝1,2,...,w；i≠j；

15、根据纹理特征相似性测度dt计算叶片图像与请求叶片图像ψq相似度根据深度学习特征相似性测度dd计算叶片图像与数据库中剩余叶片图像的相似度分别从和中选取前m个最小值构成叶片图像的纹理特征相似度集和深度学习特征相似度集

16、根据以下公式计算请求叶片图像ψq和数据库叶片图像的融合距离

17、

18、其中，w1为形状特征在植物叶片检索任务中的权重；w2为纹理特征在植物叶片检索任务中的权重；w3为深度学习特征在植物叶片检索任务中的权重；w1+w2+w3＝1；为与的并集；为与的并集；为与的并集。

19、进一步地，所述构建基于轮廓点的曲线双切弦模型，包括：

20、定义叶片形状外轮廓为一个平面函数z：[0,1]→r2，并记z(t)＝(x(t),y(t))；z(t)＝z(t±1)；其中，r2为二维实数域，x(t)和y(t)分别为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t到轮廓点z(t)的横坐标和纵坐标；t为叶片形状边界周长归一化后距起始轮廓点z(0)的位置索引；

21、对于轮廓点z(t)，分别沿逆时针和顺时针方向滑动轮廓曲线长度r，得到轮廓点z(t+r)和z(t-r)；其中r∈[0,1/2)；定义z(t)到z(t+r)的有向线段为右切弦z(t)到z(t-r)的有向线段为左切弦将作为曲线双切弦。

22、进一步地，所述根据曲线双切弦模型中双切弦与曲线围成的面积提取基于轮廓点的曲线七元组特征向量，包括：

23、右切弦将右曲线段分割成两段，将落在右切弦右侧曲线作为右凸曲线段，落在右切弦左侧曲线作为右凹曲线段；

24、左切弦将左曲线段分割为两段，将落在左切弦左侧曲线作为左凸曲线段，落在左切弦右侧曲线作为左凹曲线段；

25、根据以下公式计算右凸曲线段双切弦所围右凸面积以及左凸曲线段与双切弦所围左凸面积

26、

27、根据以下公式计算右凹曲线段与双切弦所围右凹面积以及左凹曲线段与双切弦所围左凹面积

28、

29、其中，为轮廓点z(t+τ)到弦的垂直距离；τ表示点z(τ)沿叶片形状外轮廓逆时针和顺时针方向距起始点z(0)的位置索引；为第一符号函数；为轮廓点z(t-τ)到弦的垂直距离；为第二符号函数；

30、其中，x(t+r)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t+r到轮廓点z(t+r)的横坐标；x(t-r)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t-r到轮廓点z(t-r)的横坐标；y(t+r)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t+r到轮廓点z(t+r)的纵坐标；y(t-r)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t-r到轮廓点z(t-r)的纵坐标；x(t+τ)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t+τ到轮廓点z(t+τ)的横坐标；x(t-τ)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t-τ到轮廓点z(t-τ)的横坐标；y(t+τ)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t+τ到轮廓点z(t+τ)的纵坐标；y(t-τ)为起始轮廓点z(0)沿叶片形状外轮廓逆时针滑动距离t-τ到轮廓点z(t-τ)的纵坐标；表示双切弦的长度，det(·)表示矩阵行列式；

31、

32、

33、如果轮廓点z(t+τ)落在右凸曲线段上，则否则如果轮廓点z(t-τ)落在左凸曲线段上，则否则

34、根据以下公式计算双切弦的夹角∠z(t-r)z(t)z(t+r)：

35、

36、其中，α(t,r)为双切弦的夹角；α(t,r)∈[0,2π)；

37、根据以下公式计算同一弦所切割凸凹面积和的空间交互关系

38、

39、根据以下公式计算双切弦切割凸面积和与凹面积和的空间交互关系：

40、

41、构建基于轮廓点z(t)的曲线长度为r的七元组特征向量表达式：

42、

43、其中，t为转置算子。

44、进一步地，所述沿叶片外轮廓逆时针滑动目标轮廓点并改变曲线长度，提取基于形状轮廓点的不同长度曲线七元组特征向量，以构建多尺度双切弦形状特征，包括：

45、构建多尺度双切弦形状特征的表达式：

46、

47、其中，r＝2-(h+1)，h＝1,2,...,h；h为曲线尺度；h为曲线尺度的最大值；h＝log2r-1。

48、进一步地，所述将矢量量化应用于同一叶片形状不同尺度七元组特征向量类别索引，构建多组一维直方图，包括：

49、步骤501，对于叶片形状外轮廓，均匀采样l个点，基于轮廓点l提取曲线尺度为h的七元组特征向量l＝1,2,...,l；

50、步骤502，构建多尺度双切弦形状特征矩阵表达式：

51、

52、步骤503，利用叶片图像在尺度为h的双切弦形状特征构建数据库中所有叶片图像在尺度h的双切弦形状特征矩阵

53、

54、其中，为第i个数据库叶片图像第n个点在尺度h下的七元组特征向量：w为数据库中叶片图像的总数；

55、步骤504，从尺度为h的双切弦形状特征矩阵中随机选择一个七元组特征向量作为第一个聚类中心

56、步骤505，根据以下公式计算中剩下的每一个七元组特征向量距已选聚类中心的最小距离

57、

58、其中，i＝1,2,...,w；k＝1,2,...,k；k为聚类中心总数；

59、步骤506，对于每一个七元组向量根据以下公式计算被选为下一个聚类中心的概率选取概率最大的七元组向量作为下一个聚类中心：

60、

61、步骤507，重复步骤s604-s606，直到选取出k个聚类中心；

62、步骤508，计算七元组向量与k个聚类中心的欧式距离，将归为与距离最小的聚类中心所代表的类别k；全部分配完毕得到初始化聚类结果，聚类中心连同分配给聚类中心的对象作为一类；

63、步骤509，得到初始化聚类结果后，重新计算k类的类中心点，得到k个新的聚类中心；

64、步骤5010，重复执行步骤608-609，直至达到最大迭代次数，得到尺度为h的双切弦形状词典和中每一个七元组向量的类别索引

65、步骤5011，对叶片数据库每一尺度双切弦形状特征矩阵重复执行步骤601-6010，生成不同尺度的双切弦形状词典和基于所有叶片形状轮廓点的相应尺度曲线七元组特征向量类别索引

66、步骤5012，采用矢量量化统计第i个叶片形状基于轮廓点l的尺度h曲线七元组特征向量类别索引中，k个类别索引的出现次数，以构建组数为k的一维直方图

67、

68、其中，#{·}表示频数。

69、进一步地，所述根据最终基于双切弦形状词典的形状特征确定两个叶片形状的相似度，包括：

70、根据以下公式计算叶片i的形状和叶片j的形状的相似性dis(i,j)：

71、

72、其中，i＝1,2,...,w；j＝1,2,...,w。

73、第二方面，本发明提供一种基于双切弦形状词典的叶片图像识别系统，包括：

74、第一构建模块，用于构建基于轮廓点的曲线双切弦模型，所述轮廓点为叶片外轮廓上的点；

75、第一提取模块，用于根据曲线双切弦模型中双切弦与曲线围成的面积提取基于轮廓点的曲线七元组特征向量；

76、第二提取模块，用于沿叶片外轮廓逆时针滑动目标轮廓点并改变曲线长度，提取基于形状轮廓点的不同长度曲线七元组特征向量，以构建多尺度双切弦形状特征；

77、获取模块，用于在数据库叶片图像每一尺度双切弦形状特征上获取不同尺度双切弦形状词典及基于形状轮廓点的对应长度曲线的七元组特征向量类别索引；

78、第二构建模块，用于将矢量量化应用于同一叶片形状不同尺度七元组特征向量类别索引，构建多组一维直方图；

79、拼接模块，用于将多组一维直方图拼接，得到最终基于双切弦形状词典的形状特征；

80、相似度确定模块，用于根据最终基于双切弦形状词典的形状特征确定两个叶片形状的相似度。

81、第三方面，本发明提供一种计算机设备，包括处理器和存储器；其中，处理器执行存储器中保存的计算机程序时实现第一方面所述的基于双切弦形状词典的叶片图像识别方法的步骤。

82、第四方面，本发明提供一种计算机可读存储介质，用于存储计算机程序；计算机程序被处理器执行时实现第一方面所述的基于双切弦形状词典的叶片图像识别方法的步骤。

83、本发明提供一种基于双切弦形状词典的叶片图像识别方法和系统，其中方法包括构建基于轮廓点的曲线双切弦模型，所述轮廓点为叶片外轮廓上的点；根据曲线双切弦模型中双切弦与曲线围成的面积提取基于轮廓点的曲线七元组特征向量；沿叶片外轮廓逆时针滑动目标轮廓点并改变曲线长度，提取基于形状轮廓点的不同长度曲线七元组特征向量，以构建多尺度双切弦形状特征；在数据库叶片图像每一尺度双切弦形状特征上获取不同尺度双切弦形状词典及基于形状轮廓点的对应长度曲线的七元组特征向量类别索引；将矢量量化应用于同一叶片形状不同尺度七元组特征向量类别索引，构建多组一维直方图；将多组一维直方图拼接，得到最终基于双切弦形状词典的形状特征；根据最终基于双切弦形状词典的形状特征确定两个叶片形状的相似度。

84、本发明能够有效刻画不同尺度形状曲线曲率、空间分布和空间交互特征，同时将所提形状特征与纹理和深度学习特征结合，编码异质特征相似性测度的邻域和权重信息，有效融合形状、纹理和深度学习三种异质特征，提高植物叶片识别性能。