文献类型：期刊文章

作　　者：李龙龙[1] 何东健[2] 王美丽[3]

LI Longlong;HE Dongjian;WANG Meili(College of Information Engineering,Shaanxi Polytechnic Institute,Xianyang,Shaanxi 712000,China;College of Mechanical&Electronic Engineering,Northwest A&F University,Yangling,Shaanxi 712100,China;College of Information Engineering,Northwest A&F University,Yangling,Shaanxi 712100,China)

机构地区：[1]陕西工业职业技术学院信息工程学院,陕西咸阳712000 [2]西北农林科技大学机械与电子工程学院,陕西杨凌712100 [3]西北农林科技大学信息工程学院,陕西杨凌712100

出　　处：《计算机工程与应用》

基　　金：国家高技术研究发展计划(863计划)(2013AA10230402);国家自然科学基金(61402374);陕西省教育厅科学研究计划项目(18JK0062)。

年　　份：2021

卷　　号：57

期　　号：19

起止页码：228-234

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为了解决LBP算法抽取的纹理特征仅考虑了邻域像素的特征,忽略关键的局部和全局特征的问题,提出一种基于改进型LBP算法的WCM-LBP植物叶片图像特征提取方法。该算法融合了加权局部均值算法WRM-LBP和加权全局均值算法WOM-LBP,通过提取叶片基于区域的关键几何特征和纹理特征对LBP特征描述符进行加权改造,并采用加权局部均值和加权全局均值代替传统的中心像素点,最后将叶片图像的R、G和B通道颜色分量和灰度值作为特征输入矩阵进行图像分析。该算法结合特征加权的模糊半监督聚类算法(SFFD)应用于经典的Flavia、Swedish、Foliage以及自测图片集等4种植物叶片图像数据集中进行实验。实验结果表明,该算法具有很强的鲁棒性,能够有效区分机器视觉下植物叶片图像的关键性识别特征,有效解决叶片图像的分类识别中关键特征的描述问题。

关 键 词：图像识别 全局均值  特征提取 颜色分量  植物叶片

分 类 号：TP182]