弦特征矩阵:一种有效的用于植物叶片图像分类和检索的形状描述子

植物叶片形状一般具有小的类间差异和大的类内变化,再加之叶片的自遮挡和噪声的干扰,给叶片形状的识别带来了很大的挑战.文中提出了一种新的形状描述子——弦特征矩阵(Chord-Features Matrices,CFM),精确而又鲁棒地应用于植物叶片图像的分类和检索问题.该方法将目标轮廓线的弦,依据轮廓线所围成的区域,分成内和外两个部分.因其与轮廓线凸凹特性的相关性,该方法用多个尺度级的内部弦长和外部弦长生成两个矩阵,旨在隐式地描述轮廓线的多尺度的凸凹特性.该方法还定义了多个尺度级的弧到弦的平均投影长度,并构成矩阵,以反应轮廓线在各个尺度级下的弯曲程度.组合这3个矩阵所形成的CFM描述子,全面地刻画了轮廓线的几何特性,具有强的形状表征能力.用Swedish、Flavia和ImageCLEF这3个具有挑战性的叶片图像测试集,对文中提出的CFM方法分别进行分类和检索性能评估.实验结果表明,文中提出的方法在精确度和对噪声的鲁棒性方面均优于其他植物叶片图像分类和检索方法.而文中提出的方法在MPEG-7测试集上的实验结果则验证了其具有应用于一般的形状识别任务的潜力.

基于多轮廓距离形状描述子的植物叶片图像识别

植物叶片形状一般具有小的类间差异和大的类内变化,加上叶片图像仿射变换,给叶片形状识别带来很大挑战。首先从叶片轮廓曲线偏移角度提出了最小投影距离特征和相对投影距离特征,并结合表征轮廓凸凹特性的拱高距离特征,提出一种多尺度多轮廓距离形状描述子。所提算法不仅能从两个正交维度较全面地描述不同尺度轮廓曲线特征,而且具有平移、缩放和旋转不变性。在Swedish和MEW2012叶片数据库上的实验结果表明,所提算法明显优于现有有效轮廓描述算法。此外,提出一种人工特征和深度特征归一化策略,探索低层次轮廓特征和高层次语义特征融合机理,在Swedish和MEW2012叶片数据库上的实验结果表明,融合特征能够显著提高叶片图像识别性能。

福州 “大鳄侵袭”背后的房价思考

在9月11日的土地拍卖会上，福州房市再现两大“新地王”。万科高调入主福州五四北、融信一举购得三块地，刷新了福州土地拍卖史上几项纪录。有业内人士就将这一场拍卖会戏称为地产界“强龙混战地头蛇”的冠军赛。而有的业界人士则称：在连续经历了两轮地产调控之后，福州房地产市场一些“跳空补平”的问题尚未解决之时，如今又“火上加油”，福州房价必将继续攀升和振荡而冲破每平方米万元大关，而这样的现象无疑是不正常的，必然引发福州楼市地震。事实是否如此，人们甚为关注。

轮廓线形状的多尺度描述及其在植物叶片图像检索中的应用

就轮廓线上某一点,距离其较近的点对识别分类比距离较远的点的贡献更大,因而,描述子应增强细节描述能力。该文采用一种稀疏策略,提出了基于轮廓线形状的多尺度稀疏描述子(SSM)。该描述子不仅满足平移、旋转、尺度变换的不变性,而且双边对称。同时,在一定程度上克服了时空复杂度这一经典矛盾问题。将该文提出的算子应用于我们自己采集的叶形数据库中。并与相关的描述子进行对比,实验结果表明,SSM的性能更优。

基于内容的植物叶片图像检索分析

本文就保护植物的实际意义出发,介绍了以CBIR技术为中心的植物分类与检索方法,它具有长远的应用意义。简要概述了基于内容的图像检索的关键步骤,着重阐述了基于内容的植物叶片检索国内外研究现状,对其发展趋势做出了展望。