基于幾何不變矩的葉片種類識別方法的研究

　　 摘要：本文介紹了一種基于葉片圖像的幾何特征對葉片種類進行識別的方法。首先對葉片圖像進行預處理并提取出葉片的幾何特征，然后利用相關系數法對不同的葉片圖像進行匹配。在基于幾何特征的匹配中，本文重點研究了葉片的不變矩特征，從而能夠有效的識別出葉片的種類，平均識別率達到了87%。
　　關鍵詞：葉片圖像形態學處理特征提取相關系數匹配法
　　中圖分類號：TP391文獻標識碼：A文章編號：1672-3791(2011)06(c)-0000-00
　　
　　1 引言
　　地球形成初期，是一個沒有生命的世界，直至出現了綠色植物，有了光合作用，才改變了地球的整個生態環境。由此可見，植物與人類的生存有著極其密切的聯系。但是近些年來，由于人類不合理的開發，植物的數量和種類正在不斷減少，對植物實施保護措施，已經刻不容緩。
　　要保護植物，首先就要做到認識植物。近些年來，隨著計算機技術的不斷發展，圖像處理技術在農業領域中也得到了一定的應用。因此可以考慮使用圖像處理和匹配技術實現對植物的分類研究。
　　植物的葉片是植物本身很重要的一部分，其含有相當大的信息量，所以識別植物的葉片是識別植物的一種有效手段，而本文則是從提取葉片的形狀特征入手。形狀特征的描述方法有很多種，本文采用了幾何參數法，提取出葉片的不變矩參數，并利用相關系數法對兩幅葉片圖像進行匹配，可以實現在對葉片種類的有效識別。
　　2 葉片圖像預處理
　　2.1閾值分割
　　本文以丁香葉片為例，先將采集到的葉片通過數碼相機制成數字圖像，然后將獲得的數字圖像利用計算機輔助轉化為灰度圖像。為了將葉片與其背景分割成二值圖像，還需對灰度圖像進行閾值分割，本文則采用了迭代法這種分割方法。
　　迭代法可以完成閾值的自動選取，其具體方法如下：
　　(1)選擇一個初始閾值T，若一幅圖像像素的最大和最小灰度值分別為f1、f1，則初始閾值為二者的平均數。
　　(2)利用選擇的閾值對圖像進行分割，根據圖像像素的灰試值，可以將圖像分割為兩部分，灰度值大于T的圖像區G1和灰試值小于等于T的圖像區G2。
　　(3)分別計算G1和G2包含的灰度均值g1和g2，并計算出二者的均值，計為新的閾值。
　　(4)重復（2）和（3）的步驟，直到連續兩次計算得到的T差值滿足設定的范圍。
　　2.2 形態學處理
　　閾值分割后，我們得到了葉片的二值化圖像，但其葉片并不完整，需使用形態學處理中的閉運算對二值化圖片進行處理，這樣經過一次或兩次處理后就消除了葉片內部的孔洞。在實驗中，即使同種植物的葉片，它們的葉柄形狀也會有所差異，這將會對形狀特征的提取造成很大的干擾，因此必須在二值化后的圖像里消除葉片的葉柄．這里我們用到了形態學處理中的開運算。
　　3 形狀特征提取
　　3.1 幾何不變矩理論
　　不變矩是一種統計特性，具有平移、比例和旋轉不變性，可以用來對區域形狀進行描述。大小m×n的數字圖像其灰度用f(x