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;