Page 341 - 《软件学报》2021年第5期

软件学报 ISSN 1000-9825, CODEN RUXUEW E-mail: jos@iscas.ac.cn
Journal of Software,2021,32(5):1565−1578 [doi: 10.13328/j.cnki.jos.006015] http://www.jos.org.cn
©中国科学院软件研究所版权所有. Tel: +86-10-62562563

∗
高斯卷积角:用于叶片图像检索的形状描述不变量

1
1,2
陈 鑫 , 王 斌 , 姬子恒 1
1
(南京财经大学 信息工程学院,江苏 南京 210023)
2
(智能机器人湖北省重点实验室(武汉工程大学),湖北 武汉 430205)
通讯作者: 王斌, E-mail: wangbin@nufe.edu.cn

摘 要: 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.提
出一种称为高斯卷积角的叶片形状描述方法.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地通过计算其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,从而验证了该方
法的有效性.
关键词: 叶片图像识别;形状描述;高斯卷积角;多尺度描述;图像检索
中图法分类号: TP391

中文引用格式: 陈鑫,王斌,姬子恒.高斯卷积角:用于叶片图像检索的形状描述不变量.软件学报,2021,32(5):1565−1578.
http://www.jos.org.cn/1000-9825/6015.htm
英文引用格式: Chen X, Wang B, Ji ZH. Gaussian convolution angle: Shape description invariant for leaf image retrieval. Ruan
Jian Xue Bao/Journal of Software, 2021,32(5):1565−1578 (in Chinese). http://www.jos.org.cn/1000-9825/6015.htm
Gaussian Convolution Angle: Shape Description Invariant for Leaf Image Retrieval

1,2
1
CHEN Xin , WANG Bin , JI Zi-Heng 1
1
(School of Information Engineering, Nanjing University of Finance and Economics, Nanjing 210023, China)
2
(Hubei Key Laboratory of Intelligent Robot (Wuhan Institute of Technology), Wuhan 430205, China)
Abstract: Plant leaf image recognition is one of important applications of computer vision and image processing technology to biology
and modern agriculture. It is a challenging problem due to the large size of the plant species community and great inter-class similarity,
which makes it very difficult to describe the variants between classes of leaf images. In this study, a novel shape description method,
Gaussian convolution angle, is proposed for identifying leaf image. For each contour point, its left and right neighborhood vectors are
convolved with a Gaussian function respectively to form Gaussian convolution angle. By changing the scale parameter of the Gaussian
function, multiscale Gaussian convolution angles are derived to form a feature vector. Combing the feature vectors of all the contour

∗ 基金项目: 国家自然科学基金(61372158); 国家重点研发计划(2017YFD0700501); 江苏省自然科学基金(BK20181414); 江苏
省高校优秀科技创新团队项目(2017-15); 江苏省高校自然科学研究重大项目(18KJA52004); 智能机器人湖北省重点实验室开放基
金(HBIR202001)
Foundation item: National Natural Science Foundation of China (61372158); National Key Research and Development Program of
China (2017YFD0700501); Natural Science Foundation of Jiangsu Province (BK20181414); Program for Outstanding Science and
Technology Innovation Team of Jiangsu Higher Education Institutions (2017-15); Major Project of Natural Science Foundation of the
Jiangsu Higher Education Institutions (18KJA52004); Open Fund of Hubei Key Laboratory of Intelligent Robot (HBIR202001)
收稿时间: 2019-09-18; 修改时间: 2019-11-07; 采用时间: 2020-01-18; jos 在线出版时间: 2020-07-27