计算机工程与科学

作者：火元莲, 李俞利

单位：（西北师范大学物理与电子工程学院,甘肃 兰州 730070）

关键词：植物叶片分类,多特征融合,极限学习机,

基金：国家自然科学基金（61561044）

对植物的分类多通过对植物叶片的分类来实现，为提高植物叶片分类的准确率提出了一种基于多特征融合与极限学习机的植物叶片分类方法。首先对植物叶片彩色图像进行预处理，得到去除叶片颜色与背景的二值图像和灰度图像；然后从二值图像中提取植物叶片的形状特征和不变矩特征，利用灰度图像提取灰度共生矩阵参数作为叶片图像的纹理特征，共得到28维的特征向量，最后采用极限学习机分类策略对特征向量进行训练和测试。在公开的植物叶片数据集Flavia上进行实验，训练分类准确率达到99%以上，测试准确率达到98%以上。实验结果表明，本文方法可以有效提高植物叶片分类的准确率。

来源：2021年第3期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2021年第3期