本發(fā)明涉及一種植物物種識別方法，尤其是涉及一種基于葉片紋理特征和iOS平臺的植物物種識別方法。
背景技術(shù)：
目前，植物物種識別方法主要有三種：
(1)人工貼上的物種標簽：這是大部分植物園或公園采取的為方便游客識別植物物種的一種方法，即，將刻有植物相關(guān)信息的標簽牌貼于植物枝干上供游客閱讀。此方法存在著耗費人力物力、傳達信息較少、表達不醒目以及標簽易被腐蝕等先天性不足，限于此，僅在收費或者受保護的景區(qū)得以普及；
(2)人工貼上的二維碼：此方法可視為方法(1)的升級版，是物種標簽和現(xiàn)代電子技術(shù)發(fā)展相結(jié)合的產(chǎn)物，游客通過掃描貼于植物枝干上的二維碼，接入互聯(lián)網(wǎng)即可獲得豐富的植物物種信息，該方法克服了方法(1)中的傳遞信息少的缺點，但仍存在著耗費人力物理和標簽易被腐蝕等缺點，僅在極少數(shù)園區(qū)得以實施，目前仍處于試驗階段；
(3)專業(yè)的植物分類學工作者的研究：這是最傳統(tǒng)的植物分類學研究方法，研究者們通過采集標本和人工測量，并結(jié)合經(jīng)驗知識和書本指導對標本進行分類，這種方法工作量巨大，并且需要大量專業(yè)知識，只能在科研領域得以實施。
以上三種方法由于自身的缺陷都未能夠得到普及，目前市場上并沒有一種方便快捷并且代價小的植物物種識別方法。
隨著機器學習和數(shù)字圖像處理等技術(shù)的快速發(fā)展，人們試圖借助計算機的強大計算能力和學習能力，對植物物種進行自動識別。過去20年，歐美等國家陸續(xù)有科研工作者呼吁通過采用機器學習和數(shù)字圖像處理技術(shù)將植物物種識別實現(xiàn)全自動或半自動的計算機輔助計算。1993年Guyey通過精確定位葉片圖像輪廓上的點得到的植物葉片形狀特征，并提取17種葉片圖像的外形特征作為分類器的輸入數(shù)據(jù)實現(xiàn)40種植物物種的可視化識別；1999年Cholhong Im等利用葉片的多邊形逼近來識別槭屬類植物；2001年Manh利用變形結(jié)構(gòu)來逼近葉片：首先找到骨架，然后在骨架上作垂線。這些研究工作的對象大都局限于某一特定領域的幾種植物，未能普及。
申請?zhí)枮?01310670473.8的中國專利公開了一種基于Android平臺的植物葉片識別方法，通過Android平臺對圖像進行處理，然后選擇單機識別或聯(lián)網(wǎng)識別，聯(lián)網(wǎng)識別中，通過HTTP協(xié)議將感興區(qū)圖像發(fā)送到服務器端，服務器端用servlet進行接收，之后對接收的圖像提取特征梯度直方圖特征向量，接著送入支持向量機進行分類識別，并將識別結(jié)果返回Android平臺。申請?zhí)枮?01410228847.5的中國專利公開了一種基于葉片HOG特征和智能終端平臺的植物物種識別方法，該方法中，服務器接收客戶端的識別請求和葉片圖像，對葉片圖像進行HOG特征提取，然后以提取出的HOG特征作為訓練好的SVM分類器的輸入，對葉片圖像進行分類識別，根據(jù)識別結(jié)果從植物物種數(shù)據(jù)庫查找當前葉片圖像對應類別的植物物種信息，并發(fā)送給客戶端。以上方法識別效果有待改進。
技術(shù)實現(xiàn)要素：
本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種識別效率和準確率高的基于葉片紋理特征和iOS平臺的植物物種識別方法。
本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：
一種基于葉片紋理特征和iOS平臺的植物物種識別方法，該方法采用C/S架構(gòu)，以iOS手機平臺為客戶端，以計算機為服務器端，所述的客戶端用于采集葉片圖像、向服務器端發(fā)送識別請求和展示植物物種信息數(shù)據(jù)庫，所述的服務器端用于提取葉片圖像的特征向量、對葉片圖像分類識別、構(gòu)建植物物種信息數(shù)據(jù)庫和向客戶端發(fā)送物種信息數(shù)據(jù)。
所述的客戶端與服務器端之間采用HTTP協(xié)議通信，客戶端到服務器端的識別請求(上行協(xié)議)使用POST請求，服務器端到客戶端的物種信息數(shù)據(jù)(下行協(xié)議)使用GET請求。
本發(fā)明的方法包括以下步驟：
S1，客戶端獲取葉片圖像并對圖像進行預處理；
S2，客戶端將預處理后的葉片圖像傳輸給服務器端，并向服務器端發(fā)送識別請求；
S3，服務器端使用輪廓波變換算法提取葉片圖像的紋理特征；
S4，服務器端以提取出的紋理特征作為訓練好的SVM分類器的輸入，對葉片圖像進行分類識別，獲取植物物種的分類編號；
S5，服務器端對植物物種信息數(shù)據(jù)庫進行檢索，向客戶端發(fā)送步驟S4中的植物物種的信息數(shù)據(jù)。
所述的步驟S3中，葉片圖像的紋理特征提取包括以下步驟：
S31，使用輪廓波變換將葉片圖像數(shù)據(jù)分解成4層數(shù)據(jù)，第1層到第3層是中間頻帶，第4層是高頻帶；
S32，分別對4層圖像的灰度共生矩陣提取角二階矩、對比度、相關(guān)性和熵作為低頻子帶的特征；
S33，分別計算4層圖像灰度共生矩陣的特征向量作為高頻子帶的特征，將低頻子帶和高頻子帶的特征向量組合起來構(gòu)成整個葉片圖像的特征表達向量，即紋理特征。
所述的SVM分類器的訓練方法包括：對所有需要訓練的植物物種采集多張不同角度的葉片圖像，對葉片圖像進行預處理和紋理特征提取，得到不同角度的特征表達向量，并標注植物物種的分類編號，最后以所有特征表達向量和分類編號作為SVM的輸入進行訓練，得到分類器。
與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點：
(1)采用C/S架構(gòu)，以iOS手機平臺為客戶端，以計算機為服務器端，方法實施后可供手機用戶直接下載使用，通過拍攝植物的葉片圖像，即可高效率高準確率地識別出植物的物種類別，并從數(shù)據(jù)庫中檢索到該物種相關(guān)的各種信息資料。
(2)葉片圖像的紋理特征提取中，采用輪廓波變換，具有良好的多分辨率、局部化和方向性等優(yōu)良特性，去噪效果好；將4層圖像的灰度共生矩陣的角二階矩、對比度、相關(guān)性和熵作為低頻子帶的特征，將灰度共生矩陣的特征向量作為高頻子帶的特征，將低頻子帶和高頻子帶的特征向量組合起來構(gòu)成整個葉片圖像的特征表達向量，識別率高。
附圖說明
圖1為本發(fā)明方法的流程圖。
具體實施方式
下面結(jié)合附圖和具體實施例對本發(fā)明進行詳細說明。本實施例以本發(fā)明技術(shù)方案為前提進行實施，給出了詳細的實施方式和具體的操作過程，但本發(fā)明的保護范圍不限于下述的實施例。
實施例
如圖1所示，本發(fā)明基于葉片紋理特征和iOS平臺的植物物種識別方法包括以下步驟：
S1，客戶端獲取葉片圖像并對圖像進行預處理；
S2，客戶端將預處理后的葉片圖像傳輸給服務器端，并向服務器端發(fā)送識別請求；
S3，服務器端使用輪廓波變換算法提取葉片圖像的紋理特征；
S4，服務器端以提取出的紋理特征作為訓練好的SVM分類器的輸入，對葉片圖像進行分類識別，獲取植物物種的分類編號；
S5，服務器端對植物物種信息數(shù)據(jù)庫進行檢索，向客戶端發(fā)送步驟S4中的植物物種的信息數(shù)據(jù)。
本實施例采用C/S架構(gòu)，以iOS手機平臺為客戶端，實現(xiàn)葉片圖像的采集、識別請求和植物物種信息數(shù)據(jù)庫的展示；以高性能計算機為服務器端，實現(xiàn)對葉片圖像的特征提取、訓練和識別，以及對植物物種信息數(shù)據(jù)庫的構(gòu)建和檢索。具體的實施步驟包含：
(1)服務器安裝Mac操作系統(tǒng)，并安裝Web和Console的開發(fā)環(huán)境。
(2)準備葉片圖像訓練數(shù)據(jù)：對于一個植物物種，采集多張不同形態(tài)和生長過程的葉片，分別置于白色背景上，通過拍照或掃描的方式獲得圖像。
(3)對葉片圖像進行預處理：包括灰度化、伽馬校正、調(diào)整大小以及邊緣補充等。
(4)使用輪廓波(Contourlet transform)算法提取葉片圖像的紋理特征，包括以下步驟：首先進行輪廓波變換，經(jīng)過輪廓波變換的分解之后，我們來提取灰度共生矩陣的角二階矩(ASM)、對比度(CON)、相關(guān)性(COR)和熵(ENT)這4個參數(shù)值作為低頻子帶的特征；然后將圖像數(shù)據(jù)分解成4層數(shù)據(jù)，從第1層到第3層是中間頻帶，最后一層是高頻帶，通過計算圖像數(shù)據(jù)的均值和方差，從不同的頻帶提取出特征向量構(gòu)成高頻子帶的特征，將低頻子帶和高頻子帶的特征向量組合起來構(gòu)成整個圖像的特征向量數(shù)據(jù)。本實施步驟在Console服務器端實現(xiàn)。
(5)訓練支持向量機(SVM)分類器：對所有待訓練的植物物種的葉片圖像執(zhí)行(3)和(4)得到各自的特征表達向量，并標注物種編號，最后以所有特征表達向量和物種標簽作為SVM的輸入進行訓練，得到分類器。
(6)客戶端通過拍照或者本地數(shù)據(jù)庫選擇需要識別的葉片圖像，執(zhí)行(3)，通過HTTP協(xié)議的POST請求將數(shù)據(jù)傳輸?shù)椒掌鞫诉M行識別，執(zhí)行(4)，并調(diào)用(5)訓練完成的分類器進行識別，最后，服務器端將識別結(jié)果和從植物物種數(shù)據(jù)庫中檢索到的信息通過HTTP協(xié)議發(fā)送到客戶端。