《表2 植物物种识别的典型形状特征》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于图像处理的田间杂草识别研究进展与展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在杂草识别过程中，由于植物种类多种多样，绝大部分植物的叶片尤其是单子叶作物与阔叶杂草都存在一定的形状差异性，在叶片未发生严重重叠之前，利用植物叶片的几何形状特征进行杂草识别能获取较好的识别率[31]。如表2所示[31]，根据测量要求，叶片形状特征大致可分为形状测量参数以及通过分段图像转换生成的形状描述符[14]。形状测量参数是基于至少两个简单的形状度量（如植物的面积、周长、长轴长度、短轴长度）计算的无量纲数值[32]。为了进一步提升形状特征的识别精度，有必要引入形状描述子。HU矩描述子能在平移、缩放、旋转情况下保持不变性，在场景识别图像分类、目标识别中有着较为广泛应用[33]，陈亚军等[33]提取了7种形状不变矩用于作物定位，并提取8种叶片形状参数以提升作物的定位精度，但是HU矩描述子对物体细节特征未能很好的描述。另一种形状描述子是傅里叶描述子，根据提取的区域不同可以划分为一维傅里叶描述和二维傅里叶描述。BAKHSHIPOUR等[32]采用一维傅里叶描述子对甜菜与杂草的边缘进行检测并计算轮廓点到质心距离，并与HU描述子以及其他形状参数进行特征融合再进行杂草识别，二维傅里叶描述子是一种全局的描述子，该方法形状区分能力较强，但算法较为复杂，在提取杂草形状特征中这种方法并不常见。陈良宵等[31]把形状描述分为3类，即轮廓描述子、区域描述子以及混合描述子，并认为采用混合描述子进行形状特征识别可以互相弥补对方不足，成为今后研究的热点。