Page 342 - 《软件学报》2021年第5期

1566 Journal of Software 软件学报 Vol.32, No.5, May 2021

points, a set of feature vectors is built for describing leaf shape. The similarity of the two leaf images can be simply measured by
calculating the Hausdorff distance between their feature vector sets. The proposed Gaussian convolution angle descriptor is inherently
invariant to translation, rotation, scaling, and mirror transformation which have been theoretically proved in this study. The descriptor also
has the excellent characteristics of describing the leaf shape from coarse to fine, which makes it have a strong ability to identify the leaf.
Two publicly available leaf image datasets are used to test the performance of the proposed method. The experimental results show that
the proposed method outperforms the state-of-the-art methods on leaf image recognition, which indicates the effectiveness of the proposed
method.
Key words: leaf image recognition; shape description; Gaussian convolution angle; multiscale description; image retrieval

植物是地球生态系统的重要组成部分,是人类赖以生存的基础.许多植物在提供给人类食物、药物、建筑
材料和纺织原料等方面发挥着重要的作用.据估计,植物界现存大约 450 000 个物种,直至 2017 年,在维管植物
[1]
中,381 910 个物种已被描述和命名 .与此同时,一些新的物种也不断地被发现.人类很早就开始研究植物的分
类问题,如古希腊哲学家、科学家将植物分为乔木、灌木和草本三大类.随着对植物分类研究的深入,人们发现
植物的局部特征,如植物的叶片、花朵、果实对植物具有很好的表征特性,可以作为分类的重要线索.而植物叶
片以其存活时间较长、一年四季都可方便地采集,且叶片薄而平坦的优点,常被作为植物识别的重要特征和认
识植物的主要参照器官.但由于许多植物物种的叶片的高度相似性,如后文图 3 和图 4 中列出的不同种类的叶
片,使得通过人眼观察,很难准确地辨识.
近些年来,利用图像分析技术进行植物种类的识别,是计算机视觉和图像处理领域中的一个研究热点.其中
一个主要的方向是分析植物的叶片图像模式,抽取有辨识力的叶片图像特征来区分叶片图像.叶片的图像模式
有形状、纹理、叶脉和颜色等,为植物的识别提供了非常有价值的线索.其中,叶片的形状在叶片识别中扮演着
重要的角色.它们既具有整体特征的差异性,如一些物种的叶片呈剑形,而一些则呈园形或椭圆形;又有局部细
节的不同,如许多植物的叶片,它们的叶片的边缘模式有着很大的不同,一些物种有明显的锯齿,而一些叶片的
边缘是光滑的.不同品种的植物叶片的叶尖也呈现出不同的几何形态,如一些物种的叶尖是凸尖的,而一些物种
的叶尖则是微凹的.因此,近年来产生了大量的方法,着眼于叶片的形状特征来识别叶片图像,其中代表性的工
作将在下一节介绍.
提取具有辨识力的叶片形状特征的挑战性在于:
(1) 叶片图像在采集的过程中,叶片在图像平面的大小、方向和位置可能会发生改变,叶片也可能会发生
翻转,这就要求描述算法抽取的特征必须满足对这些变换的不敏感性.
(2) 许多叶片形状具有非常小的类间差异性,如有大量的不同种类的叶片都呈卵形或椭圆形,这就需要特
征抽取算法,既能描述叶片形状整体的差异性,又能刻画叶片细节上的差异.
(3) 由于叶片图像库的规模一般比较大,需要算法具有较高的计算效率.
本文的研究工作着眼于基于形状特征的叶片图像识别问题,提出了一种新的叶片形状描述和匹配方法.其
主要贡献是:
(1) 提出了一种称为高斯卷积角的新的形状描述子,其对平移、旋转、缩放和镜像变换的不变性,从理论
上得到了证明;
(2) 提出的高斯卷积角描述子通过不同尺度的高斯卷积,有效地抽取了叶片形状的多尺度特征,使得描述
子具有强大的辨识能力,且算法计算简单;
(3) 在当前流行的叶片图像数据集上进行了叶片图像的检索,实验结果表明,该方法优于其他同类方法.

1 相关工作

本文聚焦于叶片形状的描述方法,所以与本文研究工作相关的是近年来国内外提出的各种叶片形状描述
子.这些方法可分为 3 类:基于区域的方法、基于轮廓的方法、基于学习的方法.而基于轮廓的方法又分为基于
边界点集的方法和基于曲线的方法.