植物自動(dòng)識(shí)別系統(tǒng)和方法
【專利摘要】本發(fā)明公開了一種植物自動(dòng)識(shí)別系統(tǒng)和方法。所述方法包括如下步驟：獲取待識(shí)別植物的圖像信息；去除待識(shí)別植物的圖像信息中的噪聲；從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度；輸出匹配度最大的植物信息作為待識(shí)別植物的信息。本發(fā)明能夠?yàn)橹参锓菍I(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
【專利說明】
植物自動(dòng)識(shí)別系統(tǒng)和方法
技術(shù)領(lǐng)域
[0001]本發(fā)明涉及植物識(shí)別技術(shù)領(lǐng)域，尤其涉及一種植物自動(dòng)識(shí)別系統(tǒng)和方法。
【背景技術(shù)】
[0002]據(jù)估計(jì)，地球上大約有22萬到42萬種不同類別的植物。對(duì)于植物的分類識(shí)別是一項(xiàng)龐大復(fù)雜的工作，傳統(tǒng)的植物識(shí)別方法主要依靠相應(yīng)的植物學(xué)家，利用他們自身的專業(yè)知識(shí)，對(duì)植物外形、表皮、葉子等進(jìn)行研究分析，確認(rèn)植物類別。然而，對(duì)于經(jīng)常需要進(jìn)行野外作戰(zhàn)或工作的人員來說，不具備專業(yè)的植物學(xué)知識(shí)，很難快速判斷出植物所屬分類以及名稱，更不能得知其生長生活習(xí)性。實(shí)際上，目前很多機(jī)構(gòu)建立了很完備的電子化植物知識(shí)百科，例如百度百科，只要輸入植物確切的名稱即可查詢到該植物的詳細(xì)信，但是在不知道植物名稱的情況下，就無法獲取到植物的詳細(xì)信息。因此，目前現(xiàn)有技術(shù)主要的缺陷如下:植物非專業(yè)人員在不知道植物名稱的情況下不能快速識(shí)別植物的信息，不利于其野外生存。

【發(fā)明內(nèi)容】

[0003]本發(fā)明的主要目的在于提供一種植物自動(dòng)識(shí)別系統(tǒng)和方法，旨在解決現(xiàn)有技術(shù)中植物非專業(yè)人員在不知道植物名稱的情況下無法快速識(shí)別植物的信息，不利于植物非專業(yè)人員野外生存的技術(shù)問題。
[0004]為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種植物自動(dòng)識(shí)別系統(tǒng)。
[0005]所述植物自動(dòng)識(shí)別系統(tǒng)運(yùn)行于智能終端中，該系統(tǒng)包括植物圖像信息獲取模塊、圖像預(yù)處理模塊、植物特征提取和匹配模塊以及植物信息輸出模塊，其中:
[0006]所述植物圖像信息獲取模塊用于獲取待識(shí)別植物的圖像信息；
[0007]所述圖像預(yù)處理模塊用于去除待識(shí)別植物的圖像信息中的噪聲；
[0008]所述植物特征提取和匹配模塊用于從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度；
[0009]所述植物信息輸出模塊用于輸出匹配度最大的植物信息作為待識(shí)別植物的信息。
[0010]進(jìn)一步地，所述數(shù)字化子模塊用于將待識(shí)別植物的原始圖像信息采樣并量化得到數(shù)字圖像；
[0011 ]所述歸一化子模塊用于通過變換處理保留所述數(shù)字圖像的特定特征；
[0012]所述平滑處理子模塊用于消除所述數(shù)字圖像中的噪聲；
[0013]圖像復(fù)原子模塊用于校正所述數(shù)字圖像的像素退化；
[0014]圖像增強(qiáng)子模塊用于對(duì)所述數(shù)字圖像中的信息進(jìn)行圖像增強(qiáng)處理以改善所述數(shù)字圖像的視覺效果。
[0015]進(jìn)一步地，植物特征提取和匹配模塊包括輪廓特征提取子模塊、顏色特征提取子模塊以及匹配度計(jì)算子模塊，其中:
[0016]所述輪廓特征提取子模塊用于采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征；
[0017]所述顏色特征提取子模塊用于采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征；
[0018]所述匹配度計(jì)算子模塊用于將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。
[0019]優(yōu)選地，所述待識(shí)別植物的圖像信息包括待識(shí)別植物的葉子、頸、花和果實(shí)中的至少兩種信息。
[0020]優(yōu)選地，所述待識(shí)別植物的信息至少包括該植物的名稱、圖片、生長習(xí)性以及功會(huì)K。
[0021 ]本發(fā)明還提供了一種植物自動(dòng)識(shí)別方法。
[0022]所述植物自動(dòng)識(shí)別方法運(yùn)行于智能終端中，該方法包括如下步驟:
[0023]獲取待識(shí)別植物的圖像信息；
[0024]去除待識(shí)別植物的圖像信息中的噪聲；
[0025]從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度；
[0026]輸出匹配度最大的植物信息作為待識(shí)別植物的信息。
[0027]進(jìn)一步地，所述去除待識(shí)別植物的圖像信息中的噪聲的步驟包括:
[0028]將待識(shí)別植物的原始圖像信息采樣并量化得到數(shù)字圖像；
[0029]通過變換處理保留所述數(shù)字圖像的特定特征；
[0030]消除所述數(shù)字圖像中的噪聲；
[0031]校正所述數(shù)字圖像的像素退化；
[0032]對(duì)所述數(shù)字圖像中的信息進(jìn)行圖像增強(qiáng)處理以改善所述數(shù)字圖像的視覺效果。
[0033]進(jìn)一步地，所述從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度的步驟包括:
[0034]采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征；
[0035]采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征；
[0036]將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。
[0037]優(yōu)選地，所述待識(shí)別植物的圖像信息包括待識(shí)別植物的葉子、頸、花和果實(shí)中的至少兩種信息。
[0038]優(yōu)選地，所述待識(shí)別植物的信息至少包括該植物的名稱、圖片、生長習(xí)性以及功會(huì)K。
[0039]相較于現(xiàn)有技術(shù)，本發(fā)明提供的植物自動(dòng)識(shí)別系統(tǒng)和方法通過去除待識(shí)別植物的圖像信息中的噪聲，消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，通過提取經(jīng)過預(yù)處理的圖像信息的輪廓特征和顏色特征，并與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度，輸出匹配度最大的植物信息為待識(shí)別植物的信息供用戶參考，為植物非專業(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
【附圖說明】
[0040]圖1為本發(fā)明植物自動(dòng)識(shí)別系統(tǒng)較佳實(shí)施例的功能模塊示意圖；
[0041]圖2為本發(fā)明植物自動(dòng)識(shí)別系統(tǒng)中圖像預(yù)處理模塊的子功能模塊示意圖；
[0042]圖3為本發(fā)明植物自動(dòng)識(shí)別系統(tǒng)中植物特征提取和匹配模塊的子功能模塊示意圖；
[0043]圖4為本發(fā)明植物自動(dòng)識(shí)別方法較佳實(shí)施例的流程示意圖；
[0044]圖5為圖4中步驟S20的細(xì)化流程示意圖；
[0045]圖6為圖4中步驟S30的細(xì)化流程示意圖。
【具體實(shí)施方式】
[0046]為更進(jìn)一步闡述本發(fā)明為達(dá)成上述目的所采取的技術(shù)手段及功效，以下結(jié)合附圖及較佳實(shí)施例，對(duì)本發(fā)明的【具體實(shí)施方式】、結(jié)構(gòu)、特征及其功效進(jìn)行詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0047]為實(shí)現(xiàn)本發(fā)明目的，本發(fā)明提供了一種植物自動(dòng)識(shí)別系統(tǒng)和方法，通過去除待識(shí)別植物的圖像信息中的噪聲，消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，通過提取經(jīng)過預(yù)處理的圖像信息的輪廓特征和顏色特征，并與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度，輸出匹配度最大的植物信息為待識(shí)別植物的信息供用戶參考，為植物非專業(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
[0048]參照?qǐng)D1所示，圖1為本發(fā)明植物自動(dòng)識(shí)別系統(tǒng)較佳實(shí)施例的功能模塊示意圖。
[0049]本發(fā)明提供的植物自動(dòng)識(shí)別系統(tǒng)10運(yùn)行于智能終端I中，所述智能終端I為智能手機(jī)、智能手持終端或智能平板電腦等攜帶方便且具有通訊和信息處理能力的微型計(jì)算機(jī)。所述智能終端I還包括存儲(chǔ)單元12、處理單元14和通訊單元16。
[0050]所述的存儲(chǔ)單元12可以為一種只讀存儲(chǔ)單元R0M，電可擦寫存儲(chǔ)單元EEPR0M、快閃存儲(chǔ)單元FLASH或固體硬盤等。所述的處理單元14可以為一種中央處理器(CentraIProcessing Unit，CPU)、微控制器(Μ⑶)、數(shù)據(jù)處理芯片、或者具有數(shù)據(jù)處理功能的信息處理單元。所述通訊單元16為一種具有遠(yuǎn)程通訊功能的無線通訊接口或有線接口，例如，支持GSM、GPRS、WCDMA、CDMA、TD-SCDMA、WiMAX、TD-LTE、FDD-LTE 等通訊技術(shù)的無線或有線通訊接
□ O
[0051 ]在本實(shí)施例中，植物自動(dòng)識(shí)別系統(tǒng)10包括植物圖像信息獲取模塊100、圖像預(yù)處理模塊102、植物特征提取和匹配模塊104以及植物信息輸出模塊106。本發(fā)明所稱的模塊是指一種能夠被所述處理單元14執(zhí)行并且能夠完成固定功能的一系列計(jì)算機(jī)程序指令段，其存儲(chǔ)在存儲(chǔ)單元12中。
[0052]所述植物圖像信息獲取模塊100用于獲取待識(shí)別植物的圖像信息，所述待識(shí)別植物的圖像信息包括待識(shí)別植物的葉子、頸、花和果實(shí)中的至少兩種信息。其中葉子的信息至少包括葉片顏色和形狀;頸的信息至少包括頸部顏色和直徑參數(shù);花的信息至少包括花的形狀和顏色;果實(shí)的信息至少包括果實(shí)的顏色、形狀和大小。
[0053]所述圖像預(yù)處理模塊102用于去除待識(shí)別植物的圖像信息中的噪聲。圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性。圖像預(yù)處理過程一般包括數(shù)字化、歸一化、平滑、復(fù)原和增強(qiáng)等步驟。具體地，參照?qǐng)D2所示，圖2為本發(fā)明植物自動(dòng)識(shí)別系統(tǒng)中圖像預(yù)處理模塊的子功能模塊示意圖。所述圖像預(yù)處理模塊102包括數(shù)字化子模塊1020、歸一化子模塊1022、平滑處理子模塊1024、圖像復(fù)原子模塊1026以及圖像增強(qiáng)子模塊1028:
[0054]所述數(shù)字化子模塊1020用于將待識(shí)別植物的原始圖像信息采樣并量化得到處理單元14能夠處理的數(shù)字圖像。具體地，一幅待識(shí)別植物的原始圖像信息(即原始圖像)的灰度值是空間變量(位置的連續(xù)值)的連續(xù)函數(shù)。在MXN點(diǎn)陣上對(duì)該原始圖像灰度采樣并加以量化(歸為2b個(gè)灰度等級(jí)之一)，可以得到計(jì)算機(jī)能夠處理的數(shù)字圖像。為了使數(shù)字圖像能重建原來的圖像，對(duì)M、N和b值的大小預(yù)先設(shè)置。在接收裝置的空間和灰度分辨能力范圍內(nèi)，M、N和b的數(shù)值越大，重建圖像的質(zhì)量就越好。當(dāng)取樣周期等于或小于原始圖像中最小細(xì)節(jié)周期的一半時(shí)，重建圖像的頻譜等于原始圖像的頻譜，因此重建圖像與原始圖像可以完全相同。由于M、N和b三者的乘積決定一幅圖像在智能終端中的存儲(chǔ)量，因此在存儲(chǔ)量一定的條件下根據(jù)圖像的不同性質(zhì)選擇合適的M、N和b值，以獲取最好的處理效果。
[0055]所述歸一化子模塊1022用于通過變換處理保留所述數(shù)字圖像的特定特征，使所述數(shù)字圖像的特定特征在給定變換下具有不變的性質(zhì)。數(shù)字圖像的特定特征，例如物體的面積和周長，對(duì)于坐標(biāo)旋轉(zhuǎn)變化來說就具有不變的性質(zhì)。在一般情況下，某些因素或變換對(duì)圖像一些性質(zhì)的影響可通過歸一化處理得到消除或減弱，從而可以被選作測(cè)量圖像的依據(jù)。例如對(duì)于光照不可控的遙感圖片，灰度直方圖的歸一化對(duì)于圖像分析是十分必要的?；叶葰w一化、幾何歸一化和變換歸一化是獲取圖像不變性質(zhì)的三種歸一化方法。
[0056]所述平滑處理子模塊1024用于消除所述數(shù)字圖像中的噪聲。常用的平滑方法有中值法、局部求平均法和k近鄰平均法。局部區(qū)域大小可以是固定的，也可以是逐點(diǎn)隨灰度值大小變化的。此外，有時(shí)應(yīng)用空間頻率域帶通濾波方法。
[0057]圖像復(fù)原子模塊1026用于校正所述數(shù)字圖像的像素退化，使重建或估計(jì)得到的數(shù)字圖像盡可能逼近于理想無退化的數(shù)字圖像。在實(shí)際應(yīng)用中常常發(fā)生圖像像素退化現(xiàn)象。例如大氣流的擾動(dòng)，光學(xué)系統(tǒng)的像差，相機(jī)和物體的相對(duì)運(yùn)動(dòng)都會(huì)使遙感圖像發(fā)生退化。基本的復(fù)原技術(shù)是把獲取的退化圖像g(x，y)看成是退化函數(shù)h(x，y)和理想圖像f(x，y)的卷積。它們的傅里葉變換存在關(guān)系6(11，￥ = !1(11，￥)?(11，￥)。根據(jù)退化機(jī)理確定退化函數(shù)后，就可從此關(guān)系式求出F(u，v)，再用傅里葉反變換求出f(x，y)，通常稱為反向?yàn)V波器。當(dāng)不存在噪聲時(shí)，維納濾波器成為理想的反向?yàn)V波器。
[0058]圖像增強(qiáng)子模塊1028用于對(duì)所述數(shù)字圖像中的信息有選擇地進(jìn)行圖像增強(qiáng)處理以改善所述數(shù)字圖像的視覺效果，或?qū)⑺鰯?shù)字圖像轉(zhuǎn)變?yōu)楦m合于處理單元14處理的形式，以便于數(shù)據(jù)抽取或識(shí)別。例如一個(gè)圖像增強(qiáng)系統(tǒng)可以通過高通濾波器來突出圖像的輪廓線，從而使機(jī)器能夠測(cè)量輪廓線的形狀和周長。圖像增強(qiáng)技術(shù)有多種方法，反差展寬、對(duì)數(shù)變換、密度分層和直方圖均衡等都可用于改變圖像灰調(diào)和突出細(xì)節(jié)。
[0059]所述植物特征提取和匹配模塊104用于從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。具體地，參照?qǐng)D3所示，圖3為本發(fā)明植物自動(dòng)識(shí)別系統(tǒng)中植物特征提取和匹配模塊的子功能模塊示意圖。該植物特征提取和匹配模塊104包括輪廓特征提取子模塊1040、顏色特征提取子模塊1042以及匹配度計(jì)算子模塊1044。
[0060]所述輪廓特征提取子模塊1040用于采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征。輪廓通過輪廓特征的提取和匹配能夠獲得植物圖像的要素(例如:葉子、頸、花、果實(shí))的形狀、大小等。由于輪廓的Hu矩能夠?qū)Πs放、旋轉(zhuǎn)和鏡像映射在內(nèi)的變化具有不變性，因此在進(jìn)行輪廓匹配時(shí)通過常用Hu矩匹配算法。cvMatchShapes函數(shù)可以很方便的實(shí)現(xiàn)對(duì)2個(gè)輪廓間的匹配。輪廓樹匹配算法采用樹的形式比較兩個(gè)輪廓。CvMatchContourTrees函數(shù)能夠?qū)崿F(xiàn)輪廓樹的對(duì)比。成對(duì)幾何直方圖匹配算法是指在得到輪廓的成對(duì)幾何直方圖之后，使用直方圖對(duì)比的方法來進(jìn)行輪廓匹配。
[0061]所述顏色特征提取子模塊1042用于采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征。顏色直方圖用以反映圖像顏色的組成分布，即各種顏色出現(xiàn)的概率。顏色矩算法利用線性代數(shù)中矩的概念，將圖像中的顏色分布用顏色矩表示。利用顏色一階矩(平均值A(chǔ)verage )、顏色二階矩(方差Variance)和顏色三階矩(偏斜度Skewness)來描述顏色分布。與顏色直方圖不同，利用顏色矩進(jìn)行圖像描述無需量化圖像特征。顏色集算法基于顏色實(shí)現(xiàn)對(duì)大規(guī)模圖像的檢索。該方法將顏色轉(zhuǎn)化到HSV顏色空間后，將圖像根據(jù)其顏色信息進(jìn)行圖像分割成若干reg1n，并將顏色分為多個(gè)bin，每個(gè)reg1n進(jìn)行顏色空間量化建立顏色索引，進(jìn)而建立二進(jìn)制圖像顏色索引表。為加快查找速度，還可以構(gòu)造二分查找樹進(jìn)行特征檢索。
[0062]所述匹配度計(jì)算子模塊1044用于將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。具體地，所述預(yù)先建立的數(shù)據(jù)庫運(yùn)行于遠(yuǎn)程服務(wù)器中，智能終端I通過通訊單元16與遠(yuǎn)程服務(wù)器建立通訊連接，從遠(yuǎn)程服務(wù)器的數(shù)據(jù)庫中讀取預(yù)先存儲(chǔ)的植物輪廓特征和顏色特征信息并進(jìn)行匹配。
[0063]所述植物信息輸出模塊106用于輸出匹配度最大的植物信息作為待識(shí)別植物的信息。該待識(shí)別植物的信息至少包括該植物的名稱、圖片、生長習(xí)性以及功能，以供用戶參考，為植物非專業(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
[0064]本發(fā)明所述圖像匹配和/或比對(duì)過程為現(xiàn)有技術(shù)中的圖像處理技術(shù)，在此不做限定和贅述。
[0065]本發(fā)明提供的植物自動(dòng)識(shí)別系統(tǒng)通過圖像預(yù)處理模塊去除待識(shí)別植物的圖像信息中的噪聲，消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，通過植物特征提取和匹配模塊提取經(jīng)過預(yù)處理的圖像信息的輪廓特征和顏色特征，并與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度，輸出匹配度最大的植物信息為待識(shí)別植物的信息供用戶參考，為植物非專業(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
[0066]本發(fā)明的另外一個(gè)方面，提供了一種與上述植物自動(dòng)識(shí)別系統(tǒng)對(duì)應(yīng)的方法。
[0067]參照?qǐng)D4所示，圖4為本發(fā)明植物自動(dòng)識(shí)別方法較佳實(shí)施例的流程示意圖。
[0068]在本實(shí)施例中，結(jié)合圖1、圖2和圖3所示，所述植物自動(dòng)識(shí)別方法運(yùn)行于智能設(shè)備I中，該方法包括如下步驟:
[0069]SlO:獲取待識(shí)別植物的圖像信息；
[0070]具體地，植物圖像信息獲取模塊100獲取待識(shí)別植物的圖像信息，所述待識(shí)別植物的圖像信息包括待識(shí)別植物的葉子、頸、花、果實(shí)中的至少兩種信息。其中葉子的信息至少包括葉片顏色和形狀;頸的信息至少包括頸部顏色和直徑參數(shù);花的信息至少包括花的形狀和顏色;果實(shí)的信息至少包括果實(shí)的顏色、形狀和大小。
[0071 ] S20:去除待識(shí)別植物的圖像信息中的噪聲；
[0072]具體地，圖像預(yù)處理模塊102去除待識(shí)別植物的圖像信息中的噪聲。圖像預(yù)處理的主要目的是消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，增強(qiáng)有關(guān)信息的可檢測(cè)性和最大限度地簡(jiǎn)化數(shù)據(jù)，從而改進(jìn)特征抽取、圖像分割、匹配和識(shí)別的可靠性。圖像預(yù)處理過程一般包括數(shù)字化、歸一化、平滑、復(fù)原和增強(qiáng)等步驟。
[0073]參照?qǐng)D5所示，圖5為圖4中步驟S20的細(xì)化流程示意圖。步驟S20包括如下步驟:
[0074]S201:將待識(shí)別植物的原始圖像信息采樣并量化得到數(shù)字圖像。
[0075]具體地，數(shù)字化子模塊1020將待識(shí)別植物的原始圖像信息采樣并量化得到處理單元14能夠處理的數(shù)字圖像。具體地，一幅待識(shí)別植物的原始圖像信息(即原始圖像)的灰度值是空間變量(位置的連續(xù)值)的連續(xù)函數(shù)。在MXN點(diǎn)陣上對(duì)該原始圖像灰度采樣并加以量化(歸為2b個(gè)灰度等級(jí)之一)，可以得到計(jì)算機(jī)能夠處理的數(shù)字圖像。為了使數(shù)字圖像能重建原來的圖像，對(duì)M、N和b值的大小預(yù)先設(shè)置。在接收裝置的空間和灰度分辨能力范圍內(nèi)，M、N和b的數(shù)值越大，重建圖像的質(zhì)量就越好。當(dāng)取樣周期等于或小于原始圖像中最小細(xì)節(jié)周期的一半時(shí)，重建圖像的頻譜等于原始圖像的頻譜，因此重建圖像與原始圖像可以完全相同。由于M、N和b三者的乘積決定一幅圖像在智能終端中的存儲(chǔ)量，因此在存儲(chǔ)量一定的條件下根據(jù)圖像的不同性質(zhì)選擇合適的M、N和b值，以獲取最好的處理效果。
[0076]S202:通過變換處理保留所述數(shù)字圖像的特定特征。
[0077]具體地，歸一化子模塊1022通過變換處理保留所述數(shù)字圖像的特定特征，使數(shù)字圖像的特定特征在給定變換下具有不變的性質(zhì)。圖像的特定特征，例如物體的面積和周長，對(duì)于坐標(biāo)旋轉(zhuǎn)變換來說就具有不變的性質(zhì)。在一般情況下，某些因素或變換對(duì)圖像一些性質(zhì)的影響可通過歸一化處理得到消除或減弱，從而可以被選作測(cè)量圖像的依據(jù)。例如對(duì)于光照不可控的遙感圖片，灰度直方圖的歸一化對(duì)于圖像分析是十分必要的?；叶葰w一化、幾何歸一化和變換歸一化是獲取圖像不變性質(zhì)的三種歸一化方法。
[0078]S203:消除所述數(shù)字圖像中的噪聲。
[0079]具體地，所述平滑處理子模塊1024消除所述數(shù)字圖像中的隨機(jī)噪聲。常用的平滑方法有中值法、局部求平均法和k近鄰平均法。局部區(qū)域大小可以是固定的，也可以是逐點(diǎn)隨灰度值大小變化的。此外，有時(shí)應(yīng)用空間頻率域帶通濾波方法。
[0080]S204:校正所述數(shù)字圖像的像素退化。
[0081]具體地，圖像復(fù)原子模塊1026校正各種原因造成的所述數(shù)字圖像的像素退化，使重建或估計(jì)得到的圖像盡可能逼近于理想無退化的像場(chǎng)。在實(shí)際應(yīng)用中常常發(fā)生圖像像素退化現(xiàn)象。例如大氣流的擾動(dòng)，光學(xué)系統(tǒng)的像差，相機(jī)和物體的相對(duì)運(yùn)動(dòng)都會(huì)使遙感圖像發(fā)生退化?；镜膹?fù)原技術(shù)是把獲取的退化圖像g(x，y)看成是退化函數(shù)h(x，y)和理想圖像f(X，y)的卷積。它們的傅里葉變換存在關(guān)系G (u，V = H( u，V) F (u，V)。根據(jù)退化機(jī)理確定退化函數(shù)后，就可從此關(guān)系式求出F(u，v)，再用傅里葉反變換求出f(x，y)，通常稱為反向?yàn)V波器。當(dāng)不存在噪聲時(shí)，維納濾波器成為理想的反向?yàn)V波器。
[0082]S205:對(duì)所述數(shù)字圖像中的信息有選擇地進(jìn)行圖像增強(qiáng)處理以改善所述數(shù)字圖像的視覺效果。
[0083]具體地，圖像增強(qiáng)子模塊1028對(duì)所述數(shù)字圖像中的信息有選擇地加強(qiáng)和抑制，以改善所述數(shù)字圖像的視覺效果，或?qū)D像轉(zhuǎn)變?yōu)楦m合于處理單元14處理的形式，以便于數(shù)據(jù)抽取或識(shí)別。例如一個(gè)圖像增強(qiáng)系統(tǒng)可以通過高通濾波器來突出圖像的輪廓線，從而使機(jī)器能夠測(cè)量輪廓線的形狀和周長。圖像增強(qiáng)技術(shù)有多種方法，反差展寬、對(duì)數(shù)變換、密度分層和直方圖均衡等都可用于改變圖像灰調(diào)和突出細(xì)節(jié)。
[0084]S30:從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。
[0085]具體地，參照?qǐng)D6所示，圖6為圖4中步驟S30的細(xì)化流程示意圖。步驟S30包括如下步驟:
[0086]S301:采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征。
[0087]具體地，輪廓特征提取子模塊采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征。輪廓通過輪廓特征的提取和匹配能夠獲得植物圖像的要素(例如:葉子、頸、花、果實(shí))的形狀、大小等。由于輪廓的Hu矩能夠?qū)Πs放、旋轉(zhuǎn)和鏡像映射在內(nèi)的變化具有不變性，因此在進(jìn)行輪廓匹配時(shí)通過常用Hu矩匹配算法。cvMatchShapes函數(shù)可以很方便的實(shí)現(xiàn)對(duì)2個(gè)輪廓間的匹配。輪廓樹匹配算法采用樹的形式比較兩個(gè)輪廓。CvMatchContourTrees函數(shù)能夠?qū)崿F(xiàn)輪廓樹的對(duì)比。成對(duì)幾何直方圖匹配算法是指在得到輪廓的成對(duì)幾何直方圖之后，使用直方圖對(duì)比的方法來進(jìn)行輪廓匹配。
[0088]S302:采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征。
[0089]具體地，顏色特征提取子模塊1042采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征。顏色直方圖用以反映圖像顏色的組成分布，即各種顏色出現(xiàn)的概率。顏色矩算法利用線性代數(shù)中矩的概念，將圖像中的顏色分布用顏色矩表示。利用顏色一階矩(平均值A(chǔ)verage)、顏色二階矩(方差Variance)和顏色三階矩(偏斜度Skewness)來描述顏色分布。與顏色直方圖不同，利用顏色矩進(jìn)行圖像描述無需量化圖像特征。顏色集算法基于顏色實(shí)現(xiàn)對(duì)大規(guī)模圖像的檢索。該方法將顏色轉(zhuǎn)化到HSV顏色空間后，將圖像根據(jù)其顏色信息進(jìn)行圖像分割成若干reg1n，并將顏色分為多個(gè)bin，每個(gè)reg1n進(jìn)行顏色空間量化建立顏色索弓丨，進(jìn)而建立二進(jìn)制圖像顏色索引表。為加快查找速度，還可以構(gòu)造二分查找樹進(jìn)行特征檢索。
[0090]S303:將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。
[0091]具體地，匹配度計(jì)算子模塊1044將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。具體地，所述預(yù)先建立的數(shù)據(jù)庫運(yùn)行于遠(yuǎn)程服務(wù)器中，智能終端I通過通訊單元16與遠(yuǎn)程服務(wù)器建立通訊連接，從遠(yuǎn)程服務(wù)器的數(shù)據(jù)庫中讀取預(yù)先存儲(chǔ)的植物輪廓特征和顏色特征信息并進(jìn)行匹配。
[0092]S40:輸出匹配度最大的植物信息作為待識(shí)別植物的信息。
[0093]具體地，植物信息輸出模塊106輸出匹配度最大的植物信息作為待識(shí)別植物的信息。該待識(shí)別植物的信息至少包括該植物的名稱、圖片、生長習(xí)性以及功能，以供用戶參考，為植物非專業(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
[0094]本發(fā)明所述圖像匹配和/或比對(duì)過程為現(xiàn)有技術(shù)中的圖像處理技術(shù)，在此不做限定和贅述。
[0095]本發(fā)明提供的植物自動(dòng)識(shí)別方法通過去除待識(shí)別植物的圖像信息中的噪聲，消除圖像中無關(guān)的信息，恢復(fù)有用的真實(shí)信息，通過提取經(jīng)過預(yù)處理的圖像信息的輪廓特征和顏色特征，并與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度，輸出匹配度最大的植物信息為待識(shí)別植物的信息供用戶參考，為植物非專業(yè)人員在不知道植物名稱的情況下提供快速識(shí)別植物信息的途徑，有利于植物非專業(yè)人員野外生存。
[0096]以上僅為本發(fā)明的優(yōu)選實(shí)施例，并非因此限制本發(fā)明的專利范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效功能變換，或直接或間接運(yùn)用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護(hù)范圍內(nèi)。
【主權(quán)項(xiàng)】
1.一種植物自動(dòng)識(shí)別系統(tǒng)，其特征在于，所述植物自動(dòng)識(shí)別系統(tǒng)運(yùn)行于智能終端中，該系統(tǒng)包括植物圖像信息獲取模塊、圖像預(yù)處理模塊、植物特征提取和匹配模塊以及植物信息輸出模塊，其中: 所述植物圖像信息獲取模塊用于獲取待識(shí)別植物的圖像信息； 所述圖像預(yù)處理模塊用于去除待識(shí)別植物的圖像信息中的噪聲；所述植物特征提取和匹配模塊用于從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度；所述植物信息輸出模塊用于輸出匹配度最大的植物信息作為待識(shí)別植物的信息。2.如權(quán)利要求1所述的植物自動(dòng)識(shí)別系統(tǒng)，其特征在于，所述圖像預(yù)處理模塊包括數(shù)字化子模塊、歸一化子模塊、平滑處理子模塊、圖像復(fù)原子模塊以及圖像增強(qiáng)子模塊，其中: 所述數(shù)字化子模塊用于將待識(shí)別植物的原始圖像信息采樣并量化得到數(shù)字圖像； 所述歸一化子模塊用于通過變換處理保留所述數(shù)字圖像的特定特征； 所述平滑處理子模塊用于消除所述數(shù)字圖像中的噪聲； 圖像復(fù)原子模塊用于校正所述數(shù)字圖像的像素退化； 圖像增強(qiáng)子模塊用于對(duì)所述數(shù)字圖像中的信息進(jìn)行圖像增強(qiáng)處理以改善所述數(shù)字圖像的視覺效果。3.如權(quán)利要求1所述的植物自動(dòng)識(shí)別系統(tǒng)，其特征在于，植物特征提取和匹配模塊包括輪廓特征提取子模塊、顏色特征提取子模塊以及匹配度計(jì)算子模塊，其中: 所述輪廓特征提取子模塊用于采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征； 所述顏色特征提取子模塊用于采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征； 所述匹配度計(jì)算子模塊用于將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。4.如權(quán)利要求1所述的植物自動(dòng)識(shí)別系統(tǒng)，其特征在于，所述待識(shí)別植物的圖像信息包括待識(shí)別植物的葉子、頸、花和果實(shí)中的至少兩種信息。5.如權(quán)利要求1所述的植物自動(dòng)識(shí)別系統(tǒng)，其特征在于，所述待識(shí)別植物的信息至少包括該植物的名稱、圖片、生長習(xí)性以及功能。6.一種植物自動(dòng)識(shí)別方法，其特征在于，所述植物自動(dòng)識(shí)別方法運(yùn)行于智能終端中，該方法包括如下步驟: 獲取待識(shí)別植物的圖像信息； 去除待識(shí)別植物的圖像信息中的噪聲； 從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度； 輸出匹配度最大的植物信息作為待識(shí)別植物的信息。7.如權(quán)利要求6所述的植物自動(dòng)識(shí)別方法，其特征在于，所述去除待識(shí)別植物的圖像信息中的噪聲的步驟包括: 將待識(shí)別植物的原始圖像信息采樣并量化得到數(shù)字圖像； 通過變換處理保留所述數(shù)字圖像的特定特征； 消除所述數(shù)字圖像中的噪聲； 校正所述數(shù)字圖像的像素退化； 對(duì)所述數(shù)字圖像中的信息進(jìn)行圖像增強(qiáng)處理以改善所述數(shù)字圖像的視覺效果。8.如權(quán)利要求6所述的植物自動(dòng)識(shí)別方法，其特征在于，所述從經(jīng)過去噪聲處理的圖像信息中提取植物輪廓特征和顏色特征，并將提取的植物輪廓特征和顏色特征分別與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度的步驟包括: 采用Hu矩匹配算法、輪廓樹匹配算法或成對(duì)幾何直方圖匹配算法提取圖像信息中的輪廓特征； 采用顏色矩算法或顏色集算法提取圖像信息中的顏色特征； 將提取到的圖像信息中的輪廓特征和顏色特征后與預(yù)先建立的數(shù)據(jù)庫中的植物輪廓特征和顏色特征信息進(jìn)行匹配，得到待識(shí)別植物與數(shù)據(jù)庫中已存在植物信息的匹配度。9.如權(quán)利要求6所述的植物自動(dòng)識(shí)別方法，其特征在于，所述待識(shí)別植物的圖像信息包括待識(shí)別植物的葉子、頸、花和果實(shí)中的至少兩種信息。10.如權(quán)利要求6所述的植物自動(dòng)識(shí)別方法，其特征在于，所述待識(shí)別植物的信息至少包括該植物的名稱、圖片、生長習(xí)性以及功能。
【文檔編號(hào)】G06K9/46GK106096563SQ201610437411
【公開日】2016年11月9日
【申請(qǐng)日】2016年6月17日
【發(fā)明人】張貫京, 陳興明, 高偉明, 李慧玲, 張紅治
【申請(qǐng)人】深圳市易特科信息技術(shù)有限公司