基于动态高效网络的花粉图像识别模型

针对花粉图像清晰度不足、形状相近等特性所导致的识别精度低、人工识别低效的问题,提出一种基于动态高效网络的花粉图像识别模型。在ImageNet数据集上使用Noisy Student方法对EfficientNet进行预训练;将训练后的权重迁移到花粉识别模型中;引入动态学习率提升模型的识别精度。采用MixUp和GridMask的方法用于花粉图像数据增强。仿真结果与其它模型进行比较,验证了提出模型具有更好的分类效果。

基于多尺度空间子带共生矩描述子的花粉图像特征提取方法研究

针对显微镜下的花粉图像普遍具有特征维数高、旋转和姿态变化较大等问题,提出了一种新的基于多尺度空间子带共生矩描述子的纹理特征提取方法;并应用于花粉图像的分类和识别。该方法首先采用Mallat小波分解算法将花粉图像分割成不同层次的尺度空间,然后在各个子带尺度空间上提取图像的灰度共生矩分量,最后通过计算每个灰度共生矩多个方向上的统计特征分量构造最终的子带共生矩,描述子鉴别特征。通过Confocal和Pollenmonitor图像库上的仿真结果表明,该特征能较好地描述花粉颗粒图像的纹理分布,对于花粉图像的旋转和姿态变化具有良好的鲁棒性,能够获得较好的识别精度和效率。

基于图像块分类器和条件随机场的显微图像分割

针对花粉显微图像处理提出了一种自动分割方法,将有助于花粉识别系统的开发。使用归一化颜色分量训练图像块分类器,并且结合条件随机场和图割进行建模和优化,利用最大化后验概率(MAP)的方法实现花粉显微图像中花粉区域的分割。对于实验中的133幅图像,自动分割同人工分割的结果相比较,统计得到距离误差均值为7.3像素,准确率的平均值为87%。实验结果表明,使用图像块分类器和条件随机场模型可以用于花粉图像的分割。

同一植物群落中基于光学显微镜荧光和亮场成像的花粉形态鉴定:以一个横断山脉高山草甸为例

花粉形态具有物种特异性,是花粉识别的关键属性。花粉的精确识别可为植物分类、物种演化、花粉传递网络等研究提供基础信息。本研究采集了滇西北香格里拉区域高山草甸群落36科92属135个植物物种的花粉,归纳总结了花粉的提取、测量和特征描述方法。首次利用光学显微镜荧光和亮场成像描述花粉的形态特征,并绘制了完备的花粉图像库。本研究使用多重因子分析对花粉形态特征进行了贡献值排序,建立了定距式花粉检索表。本文为区域群落传粉生态学等研究中基础花粉库的建立提供了参考。