基于监督流形学习的植物叶片图像可视化与分类方法研究

项目名称： 基于监督流形学习的植物叶片图像可视化与分类方法研究

项目编号： No.60975005

项目类型： 面上项目

立项/批准年度： 2010

项目学科： 自动化技术、计算机技术

项目作者： 张善文

作者单位： 中国科学院合肥物质科学研究院

项目金额： 26万元

中文摘要： 基于叶片图像的植物分类是植物分类学的一项重要的应用基础研究。本课题针对植物叶片图像复杂多变的特点，利用监督流形学习，研究新型的植物叶片图像可视化、特征提取与选择以及分类方法。归纳为四个方面：(1)研究基于监督等距特征映射(Isomap)的植物叶片图像的最佳可视化方法，从大量无序的混合叶片图像集中发现叶片的有序流形结构，由此分析不同植物间的亲缘关系；(2)研究二维监督正交判别投影(2D-SODP)算法，由此提取叶片图像鲁棒的分类特征，并定义特征分类贡献的判别函数，以此对特征进行选择；(3)建立非负局部线性重构系数矩阵，由此对邻域关系图进行剪枝，以简化局部尺度参数选择的难题。在此基础上，构建一种有效的基于测地距离的最近邻分类器；(4)构造植物叶片图像分类系统，并在大规模叶片图像数据库上测试该系统的有效性。本课题研究对于鉴别植物种类、阐明植物的进化规律以及保护植物物种的多样性等具有重要意义。

中文关键词： 植物分类；监督流形学习；叶片图像分割；叶片图像可视化；

英文摘要：

英文关键词： Plant Classification；Supervised Manifold Learning；Leaf image Segmentation；Leaf image Visualization；