專利名稱：一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像識(shí)別技術(shù)，特別是涉及一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法。
背景技術(shù)：
植物分類(lèi)學(xué)是植物科學(xué)體系的基礎(chǔ)學(xué)科，在農(nóng)業(yè)、林業(yè)以及其他相關(guān)產(chǎn)業(yè)中起著重要的作用。植物分類(lèi)學(xué)依據(jù)植物的多種外觀性狀特征對(duì)其進(jìn)行鑒別和分類(lèi)。對(duì)于這些性狀特征的獲得，在傳統(tǒng)的方式中往往采用人工實(shí)地測(cè)量的方式進(jìn)行作業(yè)。根據(jù)獲得的數(shù)據(jù)對(duì)植物進(jìn)行鑒別，確定其所屬類(lèi)別。整個(gè)工作過(guò)程不但耗費(fèi)較多的人力物力，而且對(duì)工作人員的專業(yè)知識(shí)和經(jīng)驗(yàn)提出很高的要求。隨著信息技術(shù)和自動(dòng)識(shí)別理論的發(fā)展，數(shù)字圖像采集設(shè)備(如數(shù)碼相機(jī))的逐漸普及，人們可以很方便地采集植物的數(shù)字圖像，從而精確地獲得其外觀特征信息，然后運(yùn)用數(shù)字圖像處理技術(shù)和模式識(shí)別技術(shù)對(duì)采集到的樣本做識(shí)別分析，從而使植物分類(lèi)的自動(dòng)化程度大大提高。并且通過(guò)計(jì)算機(jī)進(jìn)行分類(lèi)識(shí)別，使得植物分類(lèi)的效率和準(zhǔn)確率有了顯著提高。花卉品種分類(lèi)學(xué)是植物分類(lèi)學(xué)的一個(gè)分支。其分類(lèi)方法可以分為兩種一種是傳統(tǒng)的分類(lèi)方法，使用描述性的語(yǔ)言對(duì)花卉性狀進(jìn)行描述，如將花色表達(dá)為紅，將抗性表達(dá)為強(qiáng)。該方法操作簡(jiǎn)單，結(jié)果直觀。另一種是數(shù)量分類(lèi)方法，該方法將花卉的各種性狀都用數(shù)字表示。并將參加運(yùn)算的每個(gè)形狀看成某個(gè)多維空間中的一維，將樣本看作多維空間中的一個(gè)點(diǎn)。然后根據(jù)樣本點(diǎn)在多維空間中的距離，對(duì)其進(jìn)行分類(lèi)。該方法較為準(zhǔn)確、客觀，在使用計(jì)算機(jī)為工具時(shí)，便于實(shí)現(xiàn)自動(dòng)化分類(lèi)。無(wú)論哪一種方法，在分類(lèi)中使用的形狀大多是便于觀察的定性型性狀(例如花色、重瓣性)和便于測(cè)量的定量型性狀(例如花瓣數(shù))。目前的花卉品種分類(lèi)，一般是通過(guò)計(jì)算機(jī)對(duì)花卉的數(shù)字圖像進(jìn)行分析得到分類(lèi)結(jié)果，采用的一般為模式識(shí)別系統(tǒng)，模式識(shí)別系統(tǒng)通常由多個(gè)環(huán)節(jié)組成，一般來(lái)說(shuō)包括信息采集、數(shù)據(jù)處理、特征提取和選擇、分類(lèi)識(shí)別或者類(lèi)型匹配。模式識(shí)別系統(tǒng)的設(shè)計(jì)的關(guān)鍵之處在于選取適當(dāng)?shù)哪Ｊ蕉x、有代表性的樣本集、和樣本隸屬度較高的特征以及有效的分類(lèi)器等。根據(jù)不同的分類(lèi)要求和樣本數(shù)據(jù)情況，可能會(huì)設(shè)計(jì)出區(qū)別較大的不同的模式識(shí)別系統(tǒng)，特別是特征定義部分，由于對(duì)象的不同會(huì)有較大差異。此外，在分類(lèi)器的設(shè)計(jì)部分，為了獲得更好的識(shí)別率和更可靠的模式識(shí)別系統(tǒng)，有時(shí)需要加入修正規(guī)則對(duì)可能產(chǎn)生的誤判進(jìn)行修正，或是通過(guò)預(yù)處理對(duì)一些樣本進(jìn)行預(yù)判別，從而縮小識(shí)別模式系統(tǒng)在樣本空間中的判別區(qū)域，以增加判別的成功率?，F(xiàn)有的利用模式識(shí)別方法對(duì)植物進(jìn)行分類(lèi)的技術(shù)，主要包括基于葉子特征的和基于花朵特征的分類(lèi)，基于葉子特征的分類(lèi)技術(shù)舉例如下1)利用邊緣檢測(cè)算子得到葉子輪廓線，并利用數(shù)學(xué)形態(tài)方法處理，以利于坐標(biāo)鏈碼的形成，從而進(jìn)行識(shí)別；2)采用比值(葉長(zhǎng)/葉寬)對(duì)葉形進(jìn)行描述，以表明葉片是扁長(zhǎng)的還是接近圓形的；
3)對(duì)葉片輪廓進(jìn)行基于橢圓傅立葉諧波函數(shù)的變換，并用主成分分析法對(duì)特征進(jìn)行選取，采用規(guī)范判別式對(duì)最優(yōu)特征向量進(jìn)行判別和分類(lèi)；4)提取葉片的形狀特征，并利用移動(dòng)中心超球分類(lèi)器進(jìn)行分類(lèi)。形狀特征包括8 個(gè)幾何形狀特征和7個(gè)基于輪廓的特征。如縱橫軸比、矩形度、面積凹凸比、周長(zhǎng)凹凸比、球形度、球狀性、偏心率和形狀參數(shù)等。移動(dòng)中心超球分類(lèi)器通過(guò)多個(gè)特征空間中的超球去表征一類(lèi)樣本點(diǎn)在特征空間的分布?；诨ǘ涮卣鞯姆诸?lèi)技術(shù)舉例如下1)使用帶有人工交互的方法獲得花朵的外輪廓，然后定義了基于輪廓的形狀特征如圓率、向心度、花瓣數(shù)、寬高比率等。再加上六個(gè)顏色特征主要顏色的色度、飽和度及其所占的百分比，次要顏色的色度、飽和度及其所占的百分比。共使用十個(gè)特征對(duì)30類(lèi)花卉進(jìn)行識(shí)別，并使用一個(gè)分段線形函數(shù)作為分類(lèi)器，能夠達(dá)到91 %的識(shí)別準(zhǔn)確率。2)使用植物花粉的花卉識(shí)別算法。如趙先貴等對(duì)花粉的輪廓、結(jié)構(gòu)和紋理三方面特征進(jìn)行了提取。首先通過(guò)高斯濾波對(duì)圖片進(jìn)行去噪，然后用二值化方法處理，再進(jìn)行邊界跟蹤，從而獲得花粉區(qū)域的周長(zhǎng)、面積、區(qū)域圓度等特征。通過(guò)計(jì)算花粉區(qū)域內(nèi)部的溝孔數(shù)來(lái)表達(dá)其結(jié)構(gòu)。并用灰度共生矩陣方法提取其紋理特征。綜上，模式識(shí)別系統(tǒng)的設(shè)計(jì)的關(guān)鍵之處在于選取適當(dāng)?shù)哪Ｊ蕉x、有代表性的樣本集、和樣本隸屬度較高的特征以及有效的分類(lèi)器等。從以上技術(shù)來(lái)看，雖然模式識(shí)別方法在植物分類(lèi)領(lǐng)域已經(jīng)有了一定的應(yīng)用，取得了一些成果，但是仍然存在著以下問(wèn)題所采用的特征提取技術(shù)僅僅是針對(duì)顏色、形狀等通常特征，沒(méi)有能夠針對(duì)花卉花朵的植物學(xué)特征進(jìn)行深入分析，沒(méi)有從植物學(xué)的專業(yè)角度來(lái)進(jìn)行指導(dǎo)，因此提取的特征沒(méi)能考慮花朵的生物學(xué)生長(zhǎng)特點(diǎn)，不適于描述放射狀生長(zhǎng)的花朵紋理特征，使的提取的特征應(yīng)用到花卉的模式識(shí)別后造成花卉識(shí)別的準(zhǔn)確率不高。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法，通過(guò)分區(qū)域特征提取以及極坐標(biāo)系下的灰度共生矩陣，使得提取的紋理特征能更準(zhǔn)確的描述花朵圖像的放射性結(jié)構(gòu)特點(diǎn)，進(jìn)而能夠提高花卉識(shí)別的準(zhǔn)確率。為了實(shí)現(xiàn)上述目的，本發(fā)明提供了一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法，用于花卉種類(lèi)的模式識(shí)別，包括步驟一，根據(jù)花朵的中心對(duì)稱和放射性的結(jié)構(gòu)特點(diǎn)，從當(dāng)前花朵數(shù)字圖像中劃分出包含完整紋理信息的紋理特征環(huán)區(qū)域；步驟二，通過(guò)極坐標(biāo)系下的灰度共生矩陣對(duì)所述紋理特征環(huán)區(qū)域的灰度圖和梯度圖分別進(jìn)行特征提取，獲得紋理特征。優(yōu)選地，上述的方法中，所述紋理特征包括對(duì)比度特征、能量特征以及同質(zhì)性特征。優(yōu)選地，上述的方法中，所述步驟一包括對(duì)花卉圖像進(jìn)行分割，獲得花朵圖像區(qū)域；對(duì)所述花朵圖像區(qū)域的像素坐標(biāo)求均值，計(jì)算出所述花朵圖像區(qū)域的區(qū)域中心；通過(guò)計(jì)算所述花朵圖像區(qū)域中的各像素與所述區(qū)域中心的最大距離，得到花朵區(qū)
5域邊緣離所述區(qū)域中心的最大距離r ；將與所述區(qū)域中心的距離為1/31 至2/31 之間的所有點(diǎn)定義為所述紋理特征環(huán)區(qū)域。優(yōu)選地，上述的方法中，所述步驟二中，所述極坐標(biāo)系以所述區(qū)域中心為極點(diǎn)，所述灰度共生矩陣中第i行第j列的元素值p(i，j)為
360P(iJ)= \ρθ θ
ο其中，θ為所述極坐標(biāo)系的角度坐標(biāo)，P0為符合預(yù)定條件的點(diǎn)對(duì)的數(shù)目，所述預(yù)定條件為所述點(diǎn)對(duì)的兩點(diǎn)之間的距離為d，方向?yàn)棣?。?yōu)選地，上述的方法中，所述對(duì)比度特征的提取方式為I=EiE j(i-j)2P(i, j)其中，I代表對(duì)比度，用于反映圖像的清晰程度；所述能量特征的提取方式為E=EiE j[P(i, j)]2其中，E代表能量，用于反映圖像中灰度分布的均勻性；所述同質(zhì)性特征的提取方式為c = (Σ.Σ/ ηο)-^^)/^2^2其中，C代表同質(zhì)性，用于衡量灰度共生矩陣的元素在行方向或列方向上的相似程度；UX、Uy是均值，么2、《為方差。優(yōu)選地，上述的方法中，還包括通過(guò)輪廓跟蹤算法找出所述花朵圖像區(qū)域中花朵的所有邊緣點(diǎn)；利用所述區(qū)域中心和所述邊緣點(diǎn)，計(jì)算出邊緣輪廓點(diǎn)個(gè)數(shù)的特征，以及邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征；計(jì)算所述花朵圖像區(qū)域的連通成分個(gè)數(shù)，獲得連通成分個(gè)數(shù)的特征；計(jì)算所述花朵圖像區(qū)域的顏色特征。優(yōu)選地，上述的方法中，還包括對(duì)所述邊緣輪廓點(diǎn)個(gè)數(shù)的特征、邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征、連通成分個(gè)數(shù)的特征、顏色特征、對(duì)比度特征、能量特征以及同質(zhì)性特征進(jìn)行歸一化處理，獲得所述當(dāng)前花朵數(shù)字圖像的圖像特征向量。為了更好的實(shí)現(xiàn)上述目的，本發(fā)明還提供了一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取裝置，用于花卉種類(lèi)的模式識(shí)別，其包括預(yù)處理模塊，用于根據(jù)花朵的中心對(duì)稱和放射性的結(jié)構(gòu)特點(diǎn)，從當(dāng)前花朵數(shù)字圖像中劃分出包含完整紋理信息的紋理特征環(huán)區(qū)域；紋理特征提取模塊，用于通過(guò)極坐標(biāo)系下的灰度共生矩陣對(duì)所述紋理特征環(huán)區(qū)域進(jìn)行特征提取，獲得紋理特征。優(yōu)選地，上述的裝置中，所述紋理特征包括對(duì)比度特征、能量特征以及同質(zhì)性特征。優(yōu)選地，上述的裝置中，還包括連通特征提取模塊，用于提取連通成分個(gè)數(shù)的特征；顏色特征提取模塊，用于提取顏色特征；形狀特征提取模塊，用于提取邊緣輪廓點(diǎn)個(gè)數(shù)的特征、邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征；歸一化處理模塊，用于對(duì)所述邊緣輪廓點(diǎn)個(gè)數(shù)的特征、邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征、連通成分個(gè)數(shù)的特征、顏色特征、對(duì)比度特征、能量特征以及同質(zhì)性特征進(jìn)行歸一化處理，獲得所述當(dāng)前花朵數(shù)字圖像的圖像特征向量。本發(fā)明實(shí)施例至少存在以下技術(shù)效果1)本發(fā)明實(shí)施例中，主要通過(guò)分區(qū)域特征提取以及極坐標(biāo)系下的灰度共生矩陣， 使得提取的紋理特征能更準(zhǔn)確的描述花朵圖像的放射性結(jié)構(gòu)特點(diǎn)，進(jìn)而能夠提高花卉識(shí)別的準(zhǔn)確率。2)本發(fā)明實(shí)施例中，因?yàn)锽環(huán)區(qū)域(也就是紋理特征環(huán)區(qū)域)不但排除了花朵邊緣的縫隙影響，而且是花瓣最為飽滿、特征最為突出的部分，而且是環(huán)形區(qū)域，更為適應(yīng)放射性的花朵的植物學(xué)特征表達(dá)，所以B環(huán)區(qū)域提取的特征，最能表達(dá)花朵的紋理特點(diǎn)，因此更為有利于花朵的準(zhǔn)確識(shí)別。3)本發(fā)明實(shí)施例中，提出極坐標(biāo)系下的灰度共生矩陣，其以花朵區(qū)域中心為極點(diǎn)， 可以反映360度的紋理變化，從而更適應(yīng)從環(huán)形的區(qū)域(也就是紋理特征環(huán)區(qū)域)提取特征，從而解決僅反映單一方向上紋理變化的傳統(tǒng)灰度共生矩陣不適應(yīng)360度環(huán)形的問(wèn)題， 從而可以更好的反映向心對(duì)稱的放射狀花朵紋理，使提取的特征在用到模式識(shí)別系統(tǒng)時(shí)能更準(zhǔn)確的判斷花卉種類(lèi)。


圖1為本發(fā)明實(shí)施例提供的方法的步驟流程圖；圖2傳統(tǒng)的灰度共生矩陣所反應(yīng)的單一方向上的紋理變化的示意圖；圖3為本發(fā)明實(shí)施例提供的訓(xùn)練庫(kù)與測(cè)試庫(kù)分別提取特征集的流程圖；圖4為本發(fā)明實(shí)施例提供的特征提取裝置的結(jié)構(gòu)具體實(shí)施例方式為使本發(fā)明實(shí)施例的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)具體實(shí)施例進(jìn)行詳細(xì)描述。圖1為本發(fā)明實(shí)施例提供的方法的步驟流程圖，如圖1所示，基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法，包括步驟101，根據(jù)花朵的中心對(duì)稱和放射性的結(jié)構(gòu)特點(diǎn)，從當(dāng)前花朵數(shù)字圖像中劃分出包含完整紋理信息的紋理特征環(huán)區(qū)域；步驟102，通過(guò)極坐標(biāo)系下的灰度共生矩陣對(duì)所述紋理特征環(huán)區(qū)域進(jìn)行特征提取， 獲得紋理特征。其中，紋理特征不依賴于顏色或整體亮度變化，并反映了圖像灰度空間分布的規(guī)律。它可以反映物體表面的微觀構(gòu)造，不同物體具有不同的紋理。步驟102中獲得的紋理特征包括對(duì)比度特征，用于反映圖像的清晰程度；能量特征，用于反映圖像中灰度分布的均勻性；同質(zhì)性特征，用于衡量灰度共生矩陣的元素在行方向或列方向上的相似程度。本發(fā)明實(shí)施例中，主要通過(guò)分區(qū)域特征提取以及極坐標(biāo)系下的灰度共生矩陣，使得提取的紋理特征能更準(zhǔn)確的描述花朵圖像的放射性結(jié)構(gòu)特點(diǎn)，進(jìn)而能夠提高花卉識(shí)別的準(zhǔn)確率。一、分區(qū)域特征提取?；ò晔腔ǘ渥钪饕慕M成部分之一，花瓣的形狀和分布是花朵重要的特征，不同種類(lèi)花卉的花瓣形狀和分布往往有顯著的區(qū)別。花朵圖像的紋理特征則反映了花瓣、花瓣紋飾及邊緣的分布特征，是進(jìn)行花卉種類(lèi)識(shí)別的重要基礎(chǔ)。本發(fā)明實(shí)施例從花朵圖像中分割出包含較完整紋理信息的特征環(huán)區(qū)域，并對(duì)該區(qū)域的灰度圖和梯度圖的紋理特征進(jìn)行分析和提取。分割過(guò)程包括計(jì)算花朵區(qū)域中像素坐標(biāo)的均值，即可得到區(qū)域中心(Cx，Cy)，并通過(guò)計(jì)算花朵區(qū)域中各像素與該中心的最大距離，得到花朵區(qū)域邊緣離中心的最大距離 r。本發(fā)明實(shí)施例將圖像上距離中心(5/6r，r)之間的所有點(diǎn)定義為A環(huán)區(qū)域，將距離中心 (l/3r,2/3r)之間的所有點(diǎn)定義為B環(huán)區(qū)域。由于花朵的B環(huán)區(qū)域往往包含較為完整的紋理信息，因此本發(fā)明實(shí)施例計(jì)算B環(huán)區(qū)域(也就是紋理特征環(huán)區(qū)域)內(nèi)像素的灰度共生矩陣提取其紋理特征。因?yàn)锽環(huán)區(qū)域(也就是紋理特征環(huán)區(qū)域)，不但排除了花朵邊緣的縫隙影響，而且是花瓣最為飽滿、特征最為突出的部分，而且是環(huán)形區(qū)域，更為適應(yīng)放射性的花朵的植物學(xué)特征表達(dá)，所以B環(huán)區(qū)域(也就是紋理特征環(huán)區(qū)域)所提取的特征，最能表達(dá)花朵的紋理特點(diǎn)，因此更為有利于花朵的準(zhǔn)確識(shí)別。當(dāng)然，B環(huán)區(qū)域定義為(l/3r，2/3r)僅僅是一個(gè)實(shí)施例，在范圍上可以微小調(diào)整，例如、mr, 5/7r)，關(guān)鍵是排除花朵邊緣的花瓣縫隙和特征不突出的花朵中心，因此 (l/3r,2/3r)不應(yīng)成為本發(fā)明的限制。二、極坐標(biāo)下的灰度共生矩陣。由于花朵的B環(huán)區(qū)域往往包含較為完整的紋理信息，因此本發(fā)明實(shí)施例計(jì)算B環(huán)區(qū)域內(nèi)像素的灰度共生矩陣提取其紋理特征。但是傳統(tǒng)的灰度共生矩陣只反應(yīng)單一方向上的紋理變化，并不適用于常見(jiàn)花朵的放射狀中心對(duì)稱圖案。因此本發(fā)明實(shí)施例改進(jìn)了傳統(tǒng)方法，定義了極坐標(biāo)下的灰度共生矩陣來(lái)提取B環(huán)區(qū)域的花朵紋理特征。首先介紹傳統(tǒng)灰度共生矩陣灰度共生矩陣是一種帶有普遍性的紋理分析方法，即空間灰度共生矩陣法 (Spatial Gary Level Co-Occurrence Matrix Method)。此方法首先對(duì)圖像空間灰度分布作統(tǒng)計(jì)，得到圖像的共生矩陣，然后通過(guò)定義在共生矩陣上的14個(gè)紋理特征值進(jìn)行計(jì)算， 得到圖像紋理描述。由于共生矩陣模型方法能夠不受分析對(duì)象的制約，很好地反映圖像的空間灰度分布情況，真正做到反映圖像的紋理特征，所以被廣泛應(yīng)用?；叶裙采仃囀且粋€(gè)n*n矩陣。其中，η是被量化后的圖像灰度級(jí)數(shù)目。例如本發(fā)明實(shí)施例可以用如下方法將取值范圍0-255的灰度級(jí)量化到0-7
權(quán)利要求
1.一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法，用于花卉種類(lèi)的模式識(shí)別，其特征在于，包括步驟一，根據(jù)花朵的中心對(duì)稱和放射性的結(jié)構(gòu)特點(diǎn)，從當(dāng)前花朵數(shù)字圖像中劃分出包含完整紋理信息的紋理特征環(huán)區(qū)域；步驟二，通過(guò)極坐標(biāo)系下的灰度共生矩陣對(duì)所述紋理特征環(huán)區(qū)域進(jìn)行特征提取，獲得紋理特征。
2.根據(jù)權(quán)利要求1所述的紋理特征提取方法，其特征在于，所述紋理特征包括對(duì)比度特征、能量特征以及同質(zhì)性特征。
3.根據(jù)權(quán)利要求2所述的紋理特征提取方法，其特征在于，所述步驟一包括對(duì)花卉圖像進(jìn)行分割，獲得花卉圖像區(qū)域；對(duì)所述花朵圖像區(qū)域的像素坐標(biāo)求均值，計(jì)算出所述花朵圖像區(qū)域的區(qū)域中心；通過(guò)計(jì)算所述花朵圖像區(qū)域中的各像素與所述區(qū)域中心的最大距離，得到花朵區(qū)域邊緣離所述區(qū)域中心的最大距離r ；將與所述區(qū)域中心的距離為l/3r至2/3r之間的所有點(diǎn)定義為所述紋理特征環(huán)區(qū)域。
4.根據(jù)權(quán)利要求3所述的紋理特征提取方法，其特征在于，所述步驟二中，所述極坐標(biāo)系以所述區(qū)域中心為極點(diǎn)，水平向右方向?yàn)?度，逆時(shí)針?lè)较驗(yàn)檎?，所述灰度共生矩陣中第i行第j列的元素值P(i，j)為其中，θ為所述極坐標(biāo)系的角度坐標(biāo)，P0為符合預(yù)定條件的點(diǎn)對(duì)的數(shù)目，所述預(yù)定條件為所述點(diǎn)對(duì)的兩點(diǎn)之間的距離為d，方向?yàn)棣取?br> 5.根據(jù)權(quán)利要求4所述的紋理特征提取方法，其特征在于，所述對(duì)比度特征的提取方式為
6.根據(jù)權(quán)利要求3-5中任意一項(xiàng)所述的紋理特征提取方法，其特征在于，還包括 通過(guò)輪廓跟蹤算法找出所述花朵圖像區(qū)域中花朵的所有邊緣點(diǎn)； 利用所述區(qū)域中心和所適邊緣點(diǎn)，計(jì)算出邊緣輪廓點(diǎn)個(gè)數(shù)的特征，以及邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征；計(jì)算所述花朵圖像區(qū)域的連通成分個(gè)數(shù)，獲得連通成分個(gè)數(shù)的特征； 計(jì)算所述花朵圖像區(qū)域的顏色特征。
7.根據(jù)權(quán)利要求6所述的紋理特征提取方法，其特征在于，還包括對(duì)所述邊緣輪廓點(diǎn)個(gè)數(shù)的特征、邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征、連通成分個(gè)數(shù)的特征、顏色特征、對(duì)比度特征、能量特征以及同質(zhì)性特征進(jìn)行歸一化處理，獲得所述當(dāng)前花朵數(shù)字圖像的圖像特征向量。
8.一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取裝置，用于花卉種類(lèi)的模式識(shí)別，其特征在于，包括預(yù)處理模塊，用于根據(jù)花朵的中心對(duì)稱和放射性的結(jié)構(gòu)特點(diǎn)，從當(dāng)前花朵數(shù)字圖像中劃分出包含完整紋理信息的紋理特征環(huán)區(qū)域；紋理特征提取模塊，用于通過(guò)極坐標(biāo)系下的灰度共生矩陣對(duì)所述紋理特征環(huán)區(qū)域進(jìn)行特征提取，獲得紋理特征。
9.根據(jù)權(quán)利要求8所述的紋理特征提取裝置，其特征在于，所述紋理特征包括對(duì)比度特征、能量特征以及同質(zhì)性特征。
10.根據(jù)權(quán)利要求9所述的紋理特征提取裝置，其特征在于，還包括連通特征提取模塊，用于提取連通成分個(gè)數(shù)的特征；顏色特征提取模塊，用于提取顏色特征；形狀特征提取模塊，用于提取邊緣輪廓點(diǎn)個(gè)數(shù)的特征、邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征；歸一化處理模塊，用于對(duì)所述邊緣輪廓點(diǎn)個(gè)數(shù)的特征、邊緣輪廓點(diǎn)到中心點(diǎn)的距離之和的特征、連通成分個(gè)數(shù)的特征、顏色特征、對(duì)比度特征、能量特征以及同質(zhì)性特征進(jìn)行歸一化處理，獲得所述當(dāng)前花朵數(shù)字圖像的圖像特征向量。
全文摘要
本發(fā)明提供一種基于極坐標(biāo)系下灰度共生矩陣的紋理特征提取方法，用于花卉種類(lèi)的模式識(shí)別，包括步驟一，根據(jù)花朵的中心對(duì)稱和放射性的結(jié)構(gòu)特點(diǎn)，從當(dāng)前花朵數(shù)字圖像中劃分出包含完整紋理信息的紋理特征環(huán)區(qū)域；步驟二，通過(guò)極坐標(biāo)系下的灰度共生矩陣對(duì)所述紋理特征環(huán)區(qū)域進(jìn)行特征提取，獲得紋理特征。本發(fā)明通過(guò)分區(qū)域特征提取以及極坐標(biāo)系下的灰度共生矩陣，使得提取的紋理特征能更準(zhǔn)確的描述花朵圖像的放射性結(jié)構(gòu)特點(diǎn)，進(jìn)而能夠提高花卉識(shí)別的準(zhǔn)確率。
文檔編號(hào)G06K9/46GK102324032SQ201110265540
公開(kāi)日2012年1月18日 申請(qǐng)日期2011年9月8日 優(yōu)先權(quán)日2011年9月8日
發(fā)明者曹衛(wèi)群, 裴勇 申請(qǐng)人:北京林業(yè)大學(xué)