论文部分内容阅读
本文针对植物叶片分类的特点，对传统统计形状模型加以改进。首先对叶形进行归一化处理，应用了生物学参照点，通过坐标平移进行位置校正，应用覆盖面积半径进行大小校正，应用旋转变换进行方向校正，这样归一化后更符合生物学知识的特征；其次采用最小距离分类法，用测试集的平均形态作为模板，对叶片进行分类；最后通过实验设计来探究训练集长、地标点序列长、分类器距离这三个因素独立变化时对识别率的影响程度，同时引入了误差矩阵和相似度矩阵，分别来体现错分的事件的分布情况并揭示了产生错分的原因。经过以上这些理论上的改进，基本能够实现通过最小距离分类器对植物叶片进行批量识别和模式分类，并最后指出了分类器的用处和进一步研究的方向。