基于LVQ神经网络的植物种类识别

基于LVQ神经网络的植物种类识别

王路¹, 张蕾², 周彦军², 曾晓云², 孔俊²

1. 吉林财税高等专科学校信息系, 长春 130062； 2. 东北师范大学计算机学院, 长春 130024

收稿日期:2006-11-10 修回日期:1900-01-01 出版日期:2007-05-26 发布日期:2007-05-26
通讯作者: 孔俊

Computeraided Plant Species IdentificationBased on LVQ Neural Network

WANG Lu¹, ZHANG Lei², ZHOU Yanjun², ZENG Xiaoyun², KONG Jun²

1. Department of Information, Jilin College of Finance and Tax, Changchun 130062, China;2. School of Computer Science, Northeast Normal University, Changchun 130024, Cina

Received:2006-11-10 Revised:1900-01-01 Online:2007-05-26 Published:2007-05-26
Contact: KONG Jun

摘要/Abstract

摘要： 提出一种基于学习矢量量化（LVQ）神经网络的计算机植物种类识别新方法. 使用2-D不变矩、多尺度2-D Gabor滤波器等多种方法分别提取了叶片的几何特征和纹理特征, 应用LVQ神经网络识别植物种类. 实验结果表明, 该方法对植物种类的识别效率较高.

关键词: 计算机自动植物种类识别, 2-DGabor滤波, LVQ神经网络

Abstract: A new method of computeraided plant species identification based on learning vector quantization (LVQ) neural network is proposed. In this method 2-D moment invariants, multi-resolution Gabor filters and statistical moments are used to extract leaf information, such as geometry feature of leaf shape, texture feature of nervation, and LVQ neural network is used to distinguish the plant species. The experimental results illustrate the effectiveness of this method.

Key words: computeraided plant identification, 2-D Gabor filter, LVQ neural network

中图分类号:

TP391

王路, 张蕾, 周彦军, 曾晓云, 孔俊. 基于LVQ神经网络的植物种类识别[J]. J4, 2007, 45(03): 421-426.

WANG Lu, ZHANG Lei, ZHOU Yanjun, ZENG Xiaoyun, KONG Jun. Computeraided Plant Species IdentificationBased on LVQ Neural Network[J]. J4, 2007, 45(03): 421-426.

[1]	王玉, 申铉京, 周昱洲, 林鸿斌. 一种求解交通网络中最短路径问题的人工蜂群算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1144-1150.
[2]	朱新丽, 才华, 寇婷婷, 杜冬晖, 孙俊喜. 行人多目标跟踪算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1161-1170.
[3]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[4]	孙启隆, 于萍, 司振惠, 郭鑫, 王岩. 基于暗通道的沙尘图像增强算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1179-1187.
[5]	刘高天, 段锦, 范祺, 吴杰, 赵言. 基于改进RFBNet算法的遥感图像目标检测[J]. 吉林大学学报(理学版), 2021, 59(5): 1188-1198.
[6]	胡雅婷, 陈营华, 宝音巴特, 曲福恒, 李卓识. 一种增量式MinMax k-Means聚类算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1205-1211.
[7]	聂逯松, 常方圆, 常学智, 刘畅, 金有为, 刘国晟, 付加胜, 韩霄松. 一种新型的自适应多核学习算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1212-1218.
[8]	蒲晓川, 黄俊丽, 祁宁, 宋长松. 基于密度信息熵的K-means算法在客户细分中的应用[J]. 吉林大学学报(理学版), 2021, 59(5): 1245-1251.
[9]	焦冲, 苏科华, 吴博文, 任术波, 辛宁. 一种基于局部平均法向变形的网格参数化方法[J]. 吉林大学学报(理学版), 2021, 59(4): 867-876.
[10]	丁通, 刘元宁, 朱晓冬, 刘帅, 张齐贤, 张阔. 面向残差网络多元特征的轻量级虹膜分类[J]. 吉林大学学报(理学版), 2021, 59(4): 877-882.
[11]	孙俊, 才华, 朱新丽, 胡浩, 李英超. 基于双重注意力机制的深度人脸表示算法[J]. 吉林大学学报(理学版), 2021, 59(4): 883-890.
[12]	傅博, 王瑞子, 王丽妍, 张湘怡. 基于深度卷积神经网络的水下偏色图像增强方法[J]. 吉林大学学报(理学版), 2021, 59(4): 891-899.
[13]	李晓峰, 李东, 王妍玮. 基于深度残差网络的医学超声图像多尺度边缘检测算法[J]. 吉林大学学报(理学版), 2021, 59(4): 900-908.
[14]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[15]	李二强, 陈凯健, 周漾. 可控多重纹理扩展合成与迁移[J]. 吉林大学学报(理学版), 2021, 59(3): 577-586.