基于Fourier描述子和LBP相结合的植物叶片识别方法

针对植物叶片的复杂性导致基于叶片植物识别的识别率较低的问题，提出一种基于Fourier描述子和局部二值模式(local binary pattern，简称LBP)相结合的植物叶片识别方法。首先，利用Canny算法提取叶片的边缘图像，计算其中心-边缘距离序列的傅里叶变换，得到叶片图像的改进Fourier描述子；然后，提取叶片图像的局部二值模式特征；再利用判别典型相关分析算法将植物叶片的Fourier描述子和LBP特征进行融合，得到1个有利于分类的联合映射矩阵，由此将2类特征映射为1个低维特征向量；然后利用K-最近邻分类器进行植物识别。在公开的智能计算实验室(intelligent computing laboratory，简称ICL)叶片图像数据库上进行分类试验，识别率高达94%以上。结果表明，提出的方法是有效可行的，该研究能够为植物物种自动识别系统提供技术参考