高斯卷积角:一种用于叶片图像检索的形状描述不变量

植物叶片图像的识别是计算机视觉和图像处理技术在生物学和现代农业中的一个重要应用.其挑战性在于植物叶片种类数量巨大，且许多叶片图像具有很大的类间相似性，使得描述叶片图像的类间差异变得非常困难.本文提出了一种称为高斯卷积角的叶片形状描述新方法.该方法用高斯函数与叶片轮廓点的左右邻域向量的卷积产生高斯卷积角，再通过改变高斯函数的尺度参数，生成多尺度的高斯卷积角，组成特征向量.组合各轮廓点的特征向量，构成一个特征向量集合，作为叶片形状的描述子.两幅叶片图像的相似性可以简单的通过计算它们的高斯卷积角特征向量集合间的Hausdorff距离来进行度量.高斯卷积角描述子具有平移、旋转、缩放和镜像变换的内在不变性.该不变性从理论上得到了证明.该描述子还具有由粗到细的描述叶片形状的优良特性，使得其具有很强的叶片辨识能力.通过用中外两个公开的叶片图像数据集进行算法性能测试，实验结果表明该方法优于现有的其他同类方法，验证了该方法的有效性