论文部分内容阅读
提出一种基于整体植物外观特征提取的植物自动识别方案。首先,用普残差法对植物图像进行显著性区域检测,较粗略地得到植物对象,再结合色调信息进行细分割。接着提取该对象区域的SIFT特征作为底层局部特征,建立视觉词包模型,最后设计分类器进行分类。选取了9种常见的室内盆栽,每种植物各28个样本。在实验中,分别对比当前流行的BP神经网络、SVM和ELM三种分类器的分类性能。实验结果发现,支持向量机和极限学习机有较好的分类效果,识别率可以达到90%左右。这对植物识别的研究及应用推广都具有一定的积极作用。