论文部分内容阅读
本研究选择了我国东北地区常见的木本植物共50种,扫描出约1000张植物叶片图像,运用计算机图像处理分析软件,精确地测量出叶片原始数字特征共有31项,并设定计算公式得出28项相对数字特征指标。先利用变异系数判定数据的稳定性,用SPSS19.0的典型判别分析作主要识别评价依据,应用指标依序添入法、逐步排除法,筛选出可以用作实验物种识别最有效的特征指标组合。主要研究结果如下:(1)利用变异系数评价28项相对数字特征指标的稳定性。得出近圆度、长宽比、最宽处位置、外矩面积比、外矩周长比、较长弧距比、较短弧距比、上外距面积比、叶包膜面积比、叶包膜周长比这10项特征指标数据稳定性较好,可以作为备选指标。(2)得出仅利用单一特征指标对50种植物进行识别是不可行的。单一特征指标的分类结果表明,所有单一指标对植物个体的综合判别正确率都没有超过50%,综合判别正确率的大小排序为:长宽比>上外距面积比>最宽处位置>近圆度>外矩面积比>外矩周长比>较短弧距比>较长弧距比>叶包膜周长比>叶包膜面积比,其中,长宽比的综合判别正确率最高,为49.9%。(3)验证了两个相关性极显著的特征指标组合后可以提高指标对植物的判别正确率。说明特征指标之间的相关性,对指标组合后判别分析的分类结果的变化没有直接关系,特征指标之间是可以任意组合再进行判别分析的。(4)将10项特征指标全部综合对50种植物进行典型判别分析。分类结果显示,综合判别正确率达到99.9%,对49种植物的判别正确率都为100%,仅对5号植物的判别正确率为94.7%,但仍不能保证对所有叶片个体达到完全识别。其中,分类结果的结构矩阵反映出各项指标对植物识别的影响大小排序:长宽比>近圆度>上外距面积比>最宽处位置>叶包膜面积比>外矩周长比>外矩面积比>叶包膜周长比>较短弧距比>较长弧距比。(5)依据10项特征指标组合分类结果的结构矩阵,10项指标对判别分析的影响大小排序,采用依序添加指标法,形成指标组合进行典型判别分析。得出指标叶包膜周长比、较长弧距比的添入对分类结果的无增益,故将余下8项指标组合进行典型判别分析,得出的分类结果与10项指标组合的结果完全相同,说明该两项指标无效。(6)经过5步逐步排除法,最终得出两组最有效的指标组合可以达到完全识别,分别为“长宽比、上外距面积比、最宽处位置、叶包膜面积比、外矩面积比、较长弧距比”和“近圆度、上外距面积比、最宽处位置、叶包膜面积比、外矩面积比、较长弧距比”。这两个特征指标组合含6项指标,对50种植物的综合判别正确率均为100%,可以完全识别所有个体。