基于移動(dòng)終端的花卉識(shí)別技術(shù)研究

徐志杰 陳智鋒

摘 要：本文以基于移動(dòng)終端的花卉識(shí)別技術(shù)為研究對(duì)象，以月季花識(shí)別為典型案例，探討了基于移動(dòng)終端的花卉識(shí)別技術(shù)流程和方法，論文首先分析了花卉植物特征提取的具體方法，包括顏色特征、形狀特征、紋理特征，進(jìn)而設(shè)計(jì)了一套花卉識(shí)別系統(tǒng)，在此基礎(chǔ)上，以廣州流花湖公園的20種月季花為實(shí)驗(yàn)對(duì)象，證明了系統(tǒng)識(shí)別的精度。本文是筆者在工作實(shí)踐基礎(chǔ)上的理論升華，相信對(duì)從事相關(guān)工作的同行能有所裨益。

關(guān)鍵詞：移動(dòng)終端 花卉識(shí)別 特征提取 實(shí)驗(yàn)

中圖分類號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2018）08（c）-0094-02

本文針對(duì)月季花的特性，提取月季花的底層視覺特征，利用HSV模型提取花朵顏色特征，利用CLCM和LBP融合算法提取花朵的紋理特征、銳度特征、輪廓特征、邊界特征等來確定月季花的形狀特征，共提取到月季花的22個(gè)特征；通過特征選擇算法獲取其中的18個(gè)強(qiáng)分類特征；采用RandomForest算法進(jìn)行分類和識(shí)別。經(jīng)驗(yàn)證，本文提出的基于移動(dòng)端月季花快速識(shí)別方法平均識(shí)別率可達(dá)93.5%，用戶可以快速便捷地利用手機(jī)移動(dòng)端進(jìn)行使用，具有不錯(cuò)的識(shí)別效果和便利性，能夠?qū)Ψ菍I(yè)人士識(shí)別和鑒賞月季花起到一定的幫助。

1 花卉植物特征提取

1.1 圖像采集和預(yù)處理

本文利用華為P8手機(jī)的高清攝像頭提取花朵的清晰照片，拍攝角度需要正對(duì)花朵，將花朵置于中心位置，并且保證花朵輪廓完整且清晰，便于之后獲取花朵圖像的有效信息，減少識(shí)別誤差。獲取原始圖像之后，為了更好地提取花朵圖像信息，需要進(jìn)行預(yù)處理操作，將圖像中的花朵圖像和復(fù)雜背景分離開。首先要利用選擇框框選花朵輪廓。點(diǎn)擊右下角的按鈕，系統(tǒng)生成一個(gè)大小可變的四邊形選擇框，將花朵輪廓盡可能地圈入四邊形，然后使用顯著性檢測(cè)算法和GrabCut算法處理圖像。步驟為：首先通過圖像顯著性檢測(cè)，得到前景和背景區(qū)域并建立高斯混合模型GMM，利用K Means算法初始化GMM，將前景和背景聚為NF類和NB類；然后利用最大流最小割思想進(jìn)行圖像進(jìn)行切分，循環(huán)迭代更新GMM參數(shù)，讓能量函數(shù)趨于收斂，最終實(shí)現(xiàn)分割。

1.2 顏色特征提取

月季花花色豐富，不同的品種花色不同，總共可分為紅色系、朱紅色系、橙色系等9種，不同品種的月季花在顏色方面的存在差異，并且顏色具有形狀和方向無關(guān)性，所以可以將顏色特征作為月季花識(shí)別分類的重要依據(jù)。相比于RGB顏色空間，HSV空間可以更直觀地表達(dá)色彩的色調(diào)、鮮艷程度、亮度，有助于在不同的顏色之間對(duì)比。所以，首先將圖像從RGB顏色空間轉(zhuǎn)換到HSV顏色空間，其中，H為色調(diào)，取值范圍為0°～360°；S為飽和度，表示顏色接近光譜色的程度，即顏色的深淺程度；V為明度，表示顏色明亮的程度。

1.3 形狀特征提取

不同的月季花品種，花蕾形狀、花朵形態(tài)都有所不同，通過分析這些形狀特征有助于提高月季花分類的準(zhǔn)確率，本文主要從月季花銳度特征、輪廓特征、邊界特征這3個(gè)方面描述月季花的形狀。

1.4 紋理特征提取

不同的月季花的紋理特征也有差異。本文采用融合的灰度共生矩陣和局部二進(jìn)制模式的方法來描述紋理特征。

1.5 特征選擇

本文利用從顏色、形狀、紋理這3個(gè)方面提取到的月季花的22個(gè)特征對(duì)月季花進(jìn)行識(shí)別研究，但是有些特征對(duì)于分類精度影響較小，并且還會(huì)影響計(jì)算速度。因此，在進(jìn)行分類前，首先利用隨機(jī)森林算法（RandomForest）進(jìn)行特征選擇。

2 系統(tǒng)總體設(shè)計(jì)

本文采用客戶端/服務(wù)器（C/S）模型，基于移動(dòng)端的月季花的快速識(shí)別方法如圖1所示。移動(dòng)端工作包括圖像采集和預(yù)處理，具體操作是：在手機(jī)移動(dòng)端通過攝像頭拍攝獲取月季花圖像并進(jìn)行預(yù)處理，即在觸摸屏上利用手勢(shì)操作將花朵輪廓框選，利用GrabCut算法對(duì)月季花圖像進(jìn)行分割，將花朵圖像和周圍復(fù)雜的背景分離開，然后將預(yù)處理后的花朵圖像上傳給服務(wù)器。服務(wù)器端工作主要包括：特征分析和提取、分類器分類、返回結(jié)果。服務(wù)器端接收移動(dòng)端傳輸?shù)膱D像后，利用本文所提出的特征提取算法從顏色、形狀、紋理3個(gè)方面提取月季花視覺特征，并采用分類器進(jìn)行分類。本文實(shí)驗(yàn)數(shù)據(jù)來源于在廣州流花湖公園利用華為P8手機(jī)拍攝的20個(gè)月季花品種。

3 實(shí)驗(yàn)結(jié)果和分析

實(shí)驗(yàn)所用服務(wù)器的配置：酷睿I5處理器，頻率3.1GHz，8GB內(nèi)存。移動(dòng)端設(shè)備配置：Kirin930處理器，頻率2.2GHz，內(nèi)存3GB，操作系統(tǒng)為L(zhǎng)inux系統(tǒng)。

本文利用華為P8手機(jī)拍攝的20個(gè)月季花品種共計(jì)1000幅圖像進(jìn)行實(shí)驗(yàn)，每個(gè)品種包括50幅圖片。實(shí)驗(yàn)采取五折交叉驗(yàn)證，訓(xùn)練模型階段將每個(gè)品種等份為5份，依次選取其中的4份作為訓(xùn)練樣本，剩下的一份為測(cè)試樣本（袋外數(shù)據(jù)），分別得到5個(gè)數(shù)據(jù)集（每個(gè)訓(xùn)練集包括800幅訓(xùn)練樣本和200幅測(cè)試樣本）。

本文提出的從顏色、形狀、紋理3個(gè)方面提取到的22個(gè)視覺特征對(duì)月季花的識(shí)別具有良好的識(shí)別率，利用特征選擇算法提取的18個(gè)強(qiáng)分類特征在保證月季花良好的識(shí)別效果的同時(shí)，可以減少特征提取階段的工作量以及分類器識(shí)別分類階段的計(jì)算量，加快了計(jì)算速度。分類器選擇方面，RandomForest算法在識(shí)別率、可靠性、計(jì)算速度等方面表現(xiàn)最佳，所以，本文采用RandomForest算法對(duì)提取到的18個(gè)特征進(jìn)行分析。

從實(shí)驗(yàn)結(jié)果可以看出，這20種月季的平均識(shí)別率可達(dá)93.5%，識(shí)別效果良好。其中，金香玉和金風(fēng)凰的識(shí)別率較差，通過分析可知，這兩種花在顏色、形狀特征較為相似，造成了較大的識(shí)別誤差。此外，由于數(shù)據(jù)庫(kù)中采集的花朵在拍攝角度、花朵輪廓完整性等方面存在差異，并且花朵在不同的時(shí)期形態(tài)也有所不同，在一定程度上干擾了識(shí)別效果，降低了識(shí)別率。

4 結(jié)語

本文利用圖像處理技術(shù)和手機(jī)移動(dòng)端相結(jié)合的方法，從顏色、形狀、紋理3個(gè)方面得到了月季花的22個(gè)特征，提出了適合描述月季花視覺特征的方法。利用特征選擇算法對(duì)特征變量進(jìn)行重要性排序，通過實(shí)驗(yàn)發(fā)現(xiàn)其中的18個(gè)特征具有良好的分類效果。最終，將有效的特征減少為18個(gè)，并作為RandomForest算法的輸入變量。實(shí)際操作中，移動(dòng)端完成拍照之后，服務(wù)器夠在4s內(nèi)將結(jié)果返回到移動(dòng)端的用戶界面。實(shí)驗(yàn)表明：本文所提出的方法實(shí)現(xiàn)了對(duì)月季花進(jìn)行快速的識(shí)別，具有較強(qiáng)的便利性和實(shí)用性。雖然某些品種的月季花分類效果不是特別理想，但是總體上來說，具有較好的分類效果。本文對(duì)基于移動(dòng)端的月季花快速識(shí)別做了初步的分析，取得了一定的成果。

參考文獻(xiàn)

[1] 鄭小東，王曉潔，李玲玲.面向植物生長(zhǎng)智能監(jiān)控的葉顏色特征提取[J].中國(guó)農(nóng)學(xué)通報(bào)，2010（19）：401-407.

[2] 邵新慶，馮全，邵世祿，等.基于葉片圖像的植物鑒別技術(shù)研究進(jìn)展（綜述）[J].甘肅農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010（2）：156-160.