基于数据库的叶片识别系统

□ 徐 峰

一、引言

近年来，对植物的分类和识别研究已成为模式识别领域的一个研究热点。传统的叶片识别，一般由知识储备和实践经验丰富的研究人员进行。但这种人工操作，识别的过程依然相当繁琐，工作量大，并且工作效率不高，识别的正确性也很难得到保证。随着计算机技术的发展，研究通过计算机来进行高精度的叶片识别是一个非常具有可行性的新途径。

国外学者在对于植物叶片分类识别的研究上，获得了良好的成果，他们大多采用判别式分析法、匹配法、机器学习法对植物进行分类识别。国内对于叶片识别技术的研究比较少，而且开始时间也比国外的要迟一些。祁亨年等提出了叶形识别概念，并讨论其发展前景，虽然并未进行系统的开发，但他们最先推动了国内对于植物叶片识别研究的发展。黄德双等对于叶片识别技术进行了大量的研究，并开发出了具体的识别系统.近年，合肥植物园与中科院合肥智能机械研究所智能计算实验室进行了合作，他们借助数字图像处理和模式识别技术，成功开发了一款植物叶片图像识别系统。

本文建立了一个基于数据库的叶片种类识别系统。通过对叶片图像的处理，叶形的分析与特征值的计算，并且应用数据库技术存储数据资料，实现对叶片图像的识别功能。

二、叶片的识别

本系统识别叶片的流程如图1所示。

图1 识别流程

(一)图片的预处理。直接的图像文件是不能完成最后需要的特征值提取的，因此需要对图像文件进行预处理操作。图像在进行了一系列处理后，计算机才能够对图像中某些区域进行计算和统计。在预处理过程中，为了使图像与图像背景分离开来，尽量减小背景的影响，一是要增强对比度。二是利用阈值分割将图像转换成二进制图，方便后续的边界提取和统计某些数值，如面积和周长等的计算更加精确。三是为了最大程度地去除图像中的噪声，空隙等对计算的影响，要对图像进行滤波处理和膨胀、腐蚀等平滑操作。

其算法流程下:

Step 1:读入RGB格式的图像文件，用二维数组A变量存储图像;

Step 2:增强图像的对比度，得到数组变量I;

Step 3:将图像格式转换为灰度图像，得到数组变量I2;

Step 4:计算分割所需的阈值大小level;

Step 5:利用阈值分割法，将灰度图像转换为二值图像，得到数组变量BW;

Step 6:对二值图像进行medfilt(中值滤波)处理，存储在BW中;

Step 7:对图像进行 erode(腐蚀)操作，得到数组变量BW1;

Step 8:对腐蚀后的图像BW1进行dilate(膨胀)操作，得到变量BW2。

表1 特征提取算法

(二)特征提取。特征值提取是计算出图像中叶片的某些典型的数据，用以区分不同的图像，是为后续的识别工作做准备。本系统采用2个特征值，分别为叶片图像的圆形度和长宽比，其中圆形度通过图像的面积和周长得出，长宽比通过叶片图像的最小邻接矩形得出。采用这两个特征值的原因，是因为它们可以避免图像放缩和图像位置的影响，无论图像放大还是缩小，无论摆放位置怎么样，它们的计算结果都只和图像本身的形状有关。其算法实现具体如表1所示。

(三)识别算法。识别算法的思想是判断根据用户上传的图片文件计算出的特征值和数据库中的文件经过同样处理后得出的值之间的差距是否在预先设定的一个范围内。具体的匹配算法如表2所示。

表2 匹配算法

匹配算法中采用2个数值之间的差的绝对值与二者之和的比值作为判断参数，同时设置长宽比的误差区间为15%，圆形度的误差区间为3.5%，这样使得判断较为准确合理。

图2 系统结构图

图3 用户初始界面

三、系统的设计与实现

系统在Windows XP操作系统下采用Matlab语言进行开发，数据库设计使用Sql sever 2008工具完成。数据库中保存的是图片在本地电脑中的绝对路径以及相关图片的描述信息。系统的功能结构如图2所示。本系统中主要有前台用户界面(图3)和后台管理员界面(图4)。

用户在使用本系统时，先在用户界面中点击“浏览”按钮，选择待识别的植物叶片。在完成待识别文件的上传后，点击“识别”按钮，识别结果如图5所示。图5中左边显示存储在数据库中的标准图片，界面右下角显示识别结果，主要为相应叶片的文字信息，有关其叶片特征，产地，用处等等。

图4 管理员初始界面

图5 识别结果图

四、结语

本文开发了一个具有较高识别能力的叶片识别和分类系统。深入介绍了系统实现中的核心技术、系统界面和系统运行的结果。实验证明，本系统可以识别出不同种类的叶片。但本文仅仅实现系统原型，未来还有许多问题需要深入研究和完善，比如系统的界面、算法的效率、对复叶的识别等等。

［1］朱静，田兴军，陈彬，吕劲紫.植物叶形的计算机识别系统［J］. 植物学通报，2005

［2］杜吉祥.植物物种机器识别技术的研究［D］.中国科学技术大学，2005

［3］Yvonne Power，Parisa A.Bahri.Integration techniques in intelligent operational management［OL］.School of Engineering Science and A.J.Parker Cooperative Centre for Hydrometallurgy，Murdoch University(Rockingham Campus)，Dixon Road，Rockingham，WA 6168，Australia，2004，19(3):613 ～620