今日，本小组成员崔婧同学的论文《Plant recognition based on Jaccard distance and BOW》被国际知名期刊《Multimedia Systems》接收并发表！

《Plant recognition based on Jaccard distance and BOW》提出了一个基于Jaccard距离和词袋(BOW)的植物识别方法。首先，使用Jaccard距离来计算测试样本和部分训练样本之间的相似性，从所有物种中选择与测试图像相似度最高的部分物种作为候选物种类，把较不相似的物种类进行排除。这不仅减少了计算量，而且缩短了时间的消耗。其次，利用词袋对纹理图像和轮廓图像进行特征提取，并使用支持向量机(SVM)进行训练和分类。文中识别方法分别采用Laws纹理度量法和Sobel边缘算子来提取叶片图像的纹理特征和轮廓特征，可以很好地对叶片的局部特征和全局特性进行描述。对提出识别方法中用到的参数进行一些实验，选取了最佳参数。随后利用一些有代表性的树叶数据集对该方法进行了评价，均取得了较高的识别精度。为了测试提出方法的鲁棒性，对数据集中的测试样本加入不同密度的椒盐噪声，比较不同的噪声密度对该方法识别效果的影响，实验结果表明该方法对噪声环境具有较好的鲁棒性。与现有的其他植物识别方法进行比较，文中方法在大数据集和小数据集中都有较好的识别性能，且优于其他现有方法。

原文链接：https://link.springer.com/article/10.1007/s00530-020-00657-6

( 发布日期: 2020-06-10 )