一种结合 GLCM、Lacunarity 和 Shen 特征的植物识别系统模型
计算机视觉与模式识别
2014-10-07 v1
摘要
近年来，多位研究者提出了多种植物识别方法。目前，利用纹理、形状、颜色和叶脉特征的应用已十分普遍。然而，仍有多种方法可被开发以进一步提升此类识别系统的性能。为此，本研究开展了多项实验。结果表明，采用灰度共生矩阵（Gray-Level Co-occurrence Matrix, GLCM）、Lacunarity 和 Shen 特征相结合，并配合贝叶斯分类器的新方法，其效果优于其他植物识别系统。为进行比较，本研究使用了两种常用于测试植物识别系统性能的数据集。结果显示，该系统在 Flavia 数据集上的准确率为 97.19%，在 Foliage 数据集上的准确率为 95.00%，表现优于其他方法。
引用
@article{arxiv.1410.0969,
title = {A Model of Plant Identification System Using GLCM, Lacunarity And Shen Features},
author = {Abdul Kadir},
journal= {arXiv preprint arXiv:1410.0969},
year = {2014}
}
备注
10 pages