第4期 陈肖蒙，等：基于可变局部边缘模式的绿色植物物种识别 ·575· 5.1相同阈值下不同半径和近邻点VLEP实验结果 缘特征，并同样进行32阈值细化，实验结果如表 在阈值数相同（阈值数均为8）的情况下，利 3所示。 用不同P、R值的VLEPR算子在绿色植物物种数 表3对比算法识别率 据库上进行识别实验，获得了不同的识别率，结果如表1 Table 3 Recognition results of contrast algorithms % 所示。 算法 识别率 表1相同阈值数下的VLEPR算法识别率 Canny 20.13 Table 1 Recognition results of VLEP with the same thresholds % Roberts 19.97 P Prewitt 26.97 R=1 R=2 R=3 R=5 P=8 26.11 24.25 23.16 19.17 Sobel 27.42 P=16 23.06 33.89 27.92 31.72 VLEP162 44.12 P=24 20.14 30.86 35.28 34.12 从表3可以看出，所提的可变局部边缘模式 分析表1可知，在阈值数相同的情况下，近邻 算子提取植物边缘特征的效果远远优于传统的边 点个数P和半径R的选取会影响识别率。因此， 缘模式算子，识别率有大幅度的提高。可变局部 P、R的取值具有最优组合，其中，近邻点个数P= 边缘模式算子具有多方向特性，提取的图像边缘 8.当R=时，识别率相对最高：近邻点个数P=16,当 方向信息相对丰富，同时该算子具有多尺度特 R=2时，识别率最高；近邻点个数P=24,当R=3 性，能提取大小不同尺度的纹理结构，因此，在边 时，识别率最优。 缘特征提取的表现上，要比传统算子有优势。 5.2阈值细分的作用 6结束语 为了测试阈值细分的有效性，选用VLEP%1、 VLEP6,和VLEP3种算子，并选择不同阈值数进 本文针对传统边缘算子方向少、尺度固定的 行了一系列实验，实验结果见表2所示。 缺点，提出了一种基于灵活可变的圆形局部边缘 模式的绿色植物物种识别算法，该算法由于所用 表2不同阑值数下的VLEP?R算法识别率 Table 2 Recognition results of VLEP with different 边缘算子具有多尺度、多方向特性，能够提取更 thresholds % 为丰富、完整的边缘信息。在自建绿色植物物种 数据库上进行的一系列物种识别实验中，获得了 VLEPRR算子 阈值数 满意的识别结果，这表明本文提出的算法可以有 VLEPSI VLEP62 VLEP243 效弥补传统算子由于边缘方向过少，尺度单一而 0 13.12 14.06 12.36 丢失其他边缘信息的缺陷。 8 26.11 33.89 35.28 参考文献： 16 30.47 40.29 38.18 32 37.94 44.12 43.21 [1]胡秋萍.基于叶片形状特征的植物识别技术研究D].西 安：西安电子科技大学，2014 40 32.64 27.92 35.14 HU Qiuping.The study of plant identification technology 由表2可知，在算子半径R和近邻点P确定 based on leaves'shape features[D].Xi'an:Xidian Uni- 的情况下，阈值数越多，识别率越高。值得注意 versity,2014. 的是，阈值不能过多，阈值太多会划分出许多不 [2]叶绪伦，赵杰煜，陈能仑.结合LDA主题模型的植物叶 具备区分性的特征子类，同时会导致落入有效特 片形状描述及分类[U].模式识别与人工智能，2016， 征子类的特征值过少，从而使特征直方图失去特 29(3:263-271 征分类意义。在所测识别率中，使用VLEP62圆形 YE Xulun,ZHAO Jieyu,CHEN Nenglun.Leaf shape de- scription and classification with LDA topic mode[J].Pat- 算子并设置32个阈值时，算法结果最优，识别率 tern recognition and artificial intelligence,2016,29(3): 达到44.12%。 263-271. 5.3与传统边缘算子的对比实验 [3]刘骥，曹凤莲，甘林吴.基于叶片形状特征的植物识别方 为了与传统边缘提取算法进行对比，本文使 法).计算机应用，2016,36(s2):200-202 用Canny、Roberts、Prewitt、.Sobel算子提取图像边 LIU Ji,CAO Fenglian,GAN Linhao.Plant identification5.1 相同阈值下不同半径和近邻点 VLEP 实验结果 VLEPθ P,R 在阈值数相同 (阈值数均为 8) 的情况下，利 用不同 P、R 值的 算子在绿色植物物种数 据库上进行识别实验，获得了不同的识别率，结果如表1 所示。 VLEPθ 表 P,R 1 相同阈值数下的 算法识别率 VLEPθ Table 1 Recognition results of P,R with the same thresholds % P R=1 R=2 R=3 R=5 P=8 26.11 24.25 23.16 19.17 P=16 23.06 33.89 27.92 31.72 P=24 20.14 30.86 35.28 34.12 P = R = 1 P = 16 R = 2 P = 24 R = 3 分析表 1 可知，在阈值数相同的情况下，近邻 点个数 P 和半径 R 的选取会影响识别率。因此， P、R 的取值具有最优组合，其中，近邻点个数 8，当 时，识别率相对最高；近邻点个数 ，当 时，识别率最高；近邻点个数 ，当 时，识别率最优。 5.2 阈值细分的作用 VLEPθ 8,1 VLEPθ 16,2 VLEPθ 24,3 为了测试阈值细分的有效性，选用 、 和 3 种算子，并选择不同阈值数进 行了一系列实验，实验结果见表 2 所示。 VLEPθ 表 P,R 2 不同阈值数下的 算法识别率 VLEPθ Table 2 Recognition results of P,R with different thresholds % 阈值数 VLEPθ P,R算子 VLEPθ 8,1 VLEPθ 16,2 VLEPθ 24,3 0 13.12 14.06 12.36 8 26.11 33.89 35.28 16 30.47 40.29 38.18 32 37.94 44.12 43.21 40 32.64 27.92 35.14 VLEPθ 16,2 由表 2 可知，在算子半径 R 和近邻点 P 确定 的情况下，阈值数越多，识别率越高。值得注意 的是，阈值不能过多，阈值太多会划分出许多不 具备区分性的特征子类，同时会导致落入有效特 征子类的特征值过少，从而使特征直方图失去特 征分类意义。在所测识别率中，使用 圆形 算子并设置 32 个阈值时，算法结果最优，识别率 达到 44.12%。 5.3 与传统边缘算子的对比实验 为了与传统边缘提取算法进行对比，本文使 用 Canny、Roberts、Prewitt、Sobel 算子提取图像边 缘特征，并同样进行 32 阈值细化，实验结果如表 3 所示。 从表 3 可以看出，所提的可变局部边缘模式 算子提取植物边缘特征的效果远远优于传统的边 缘模式算子，识别率有大幅度的提高。可变局部 边缘模式算子具有多方向特性，提取的图像边缘 方向信息相对丰富，同时该算子具有多尺度特 性，能提取大小不同尺度的纹理结构，因此，在边 缘特征提取的表现上，要比传统算子有优势。 6 结束语 本文针对传统边缘算子方向少、尺度固定的 缺点，提出了一种基于灵活可变的圆形局部边缘 模式的绿色植物物种识别算法，该算法由于所用 边缘算子具有多尺度、多方向特性，能够提取更 为丰富、完整的边缘信息。在自建绿色植物物种 数据库上进行的一系列物种识别实验中，获得了 满意的识别结果，这表明本文提出的算法可以有 效弥补传统算子由于边缘方向过少，尺度单一而 丢失其他边缘信息的缺陷。 参考文献： 胡秋萍. 基于叶片形状特征的植物识别技术研究[D]. 西 安: 西安电子科技大学, 2014. HU Qiuping. The study of plant identification technology based on leaves’ shape features[D]. Xi’an: Xidian Uni￾versity, 2014. [1] 叶绪伦, 赵杰煜, 陈能仑. 结合 LDA 主题模型的植物叶 片形状描述及分类[J]. 模式识别与人工智能, 2016, 29(3): 263–271. YE Xulun, ZHAO Jieyu, CHEN Nenglun. Leaf shape de￾scription and classification with LDA topic mode[J]. Pat￾tern recognition and artificial intelligence, 2016, 29(3): 263–271. [2] 刘骥, 曹凤莲, 甘林昊. 基于叶片形状特征的植物识别方 法[J]. 计算机应用, 2016, 36(s2): 200–202. LIU Ji, CAO Fenglian, GAN Linhao. Plant identification [3] 表 3 对比算法识别率 Table 3 Recognition results of contrast algorithms % 算法 识别率 Canny 20.13 Roberts 19.97 Prewitt 26.97 Sobel 27.42 VLEPθ 16,2 44.12 第 4 期 陈肖蒙，等：基于可变局部边缘模式的绿色植物物种识别 ·575·