背景：提出一種基于二維多重分形去趨勢(shì)波動(dòng)分析的新方法識(shí)別葉片種類覆获。該方法計(jì)算了一系列多重分形參數(shù)妹蔽，這些參數(shù)表征了每一種葉片圖像的紋理特征欧芽。引入了表征種類種間方差關(guān)系的指數(shù)I.使用該指數(shù)得到三個(gè)用于識(shí)別過(guò)程的多重分形參數(shù)症脂。
結(jié)果：選擇的三個(gè)參數(shù)構(gòu)成了一個(gè)三維空間倡缠，在這個(gè)空間中相同種類的樣本可以聚集起來(lái)并與其它類別分開攒菠。支持向量機(jī)和核方法評(píng)估分類識(shí)別準(zhǔn)確率迫皱。通過(guò)十次交叉驗(yàn)證，兩物種間的識(shí)別率達(dá)到98.4%辖众，所有15種物種的識(shí)別率為93.96%卓起。
Introduction：
隨著人們對(duì)生物多樣性和復(fù)雜性的興趣日益增加，加上數(shù)字圖像和圖像分析算法的日益普及凹炸，植物物種識(shí)別和分類成為吸引許多研究人員關(guān)注的話題戏阅。一般來(lái)說(shuō)，植物的許多部分都可以用來(lái)識(shí)別物種啤它。本文中奕筐，主要用的是植物的葉片，因?yàn)樗麄兪菑V泛可用的变骡。
值得注意的是离赫，在葉片圖像中使用單分形的方法提取葉片的紋理信息。人們已經(jīng)認(rèn)識(shí)到塌碌，單分形方法不能從葉片圖像中完全提取出詳細(xì)信息渊胸。因此無(wú)法有效的處理局部不規(guī)則的圖像。為了克服這個(gè)困難台妆，一些多重分形分析方法被提出翎猛。Backes使用多尺度分形維數(shù)去描述葉片表面的紋理特性來(lái)區(qū)分植物種類，結(jié)果也十分有效接剩。注意切厘，經(jīng)典的MFA基于容量測(cè)量或概率測(cè)量，因此只描述平穩(wěn)測(cè)量懊缺。對(duì)葉片圖像疫稿，平面本身很難保持平穩(wěn)。因此，具有非平穩(wěn)性的多重分形去趨勢(shì)分析方法是喲中理想的
植物葉片分析方法而克。盡管靶壮，MF-DFA已經(jīng)成功應(yīng)用到非平穩(wěn)序列和平面的許多領(lǐng)域，據(jù)我們所知员萍，目前還沒(méi)有將MF-DFA應(yīng)用于植物葉片的識(shí)別和分類中腾降。本文嘗試?yán)肕F-DFA對(duì)植物葉片圖像進(jìn)行鑒定。更準(zhǔn)確地說(shuō)碎绎，我們首先采用MF-DFA從葉片圖像中提取重要的紋理特征螃壤，得到幾個(gè)關(guān)鍵的多重分形參數(shù)，然后采用支持向量機(jī)和核方法（SVMKM）對(duì)不同的植物葉片進(jìn)行區(qū)分筋帖。本文的其余內(nèi)容組織如下奸晴，in Methods and materials,采用二維MF-DFA方法計(jì)算多重分形參數(shù)。 in Results and discussion ,我們提出和討論我們的結(jié)果日麸，然后進(jìn)一步測(cè)試我們的方法寄啼。
Methods and materials:Multifractal detrended fluctuation analysis ,Expeiment materials,Multifractal nature of image surfaces.
Results and discussion
Model test
Conclusions:本文采用文獻(xiàn)[Detrended fluctuation analysis for fractuals and mutifractals in higher dimensions]中提出的2D MF-DFA方法，從葉片圖像中提取重要的紋理特征代箭，這使得我們可以計(jì)算廣義赫斯特指數(shù)和其他幾個(gè)多重分形參數(shù)墩划。通過(guò)定義指數(shù)I,檢查物種間的差異和物種內(nèi)部差異的變化，我們能夠找到最優(yōu)的多重分形參數(shù)組合嗡综，從而最優(yōu)地描述植物物種的關(guān)鍵特征乙帮，在植物物種識(shí)別中具有很高的準(zhǔn)確性。對(duì)于Swedish葉片數(shù)據(jù)集极景，包含了15個(gè)種類察净，以及15*75個(gè)樣本。與其他參數(shù)組合相比盼樟，{h(?3)氢卡、αmin、Δα}的組合是最優(yōu)的晨缴。支持向量機(jī)和核方法評(píng)估分類識(shí)別準(zhǔn)確率异吻。通過(guò)十次交叉驗(yàn)證，兩物種間的識(shí)別率達(dá)到98.4%喜庞，所有15種物種的識(shí)別率為93.96%。我們的工作軟件可以設(shè)計(jì)和編碼棋返，為此延都，我們?cè)趫D14中提供了相應(yīng)的流程圖。
需要指出的是睛竣，現(xiàn)有的紋理圖像識(shí)別主要集中在標(biāo)準(zhǔn)的多重分形分析上晰房。我們的工作表明，MF-DFA在植物葉片的識(shí)別中有著特殊的應(yīng)用。因?yàn)槎嘀胤中螀?shù)可以結(jié)合起來(lái)區(qū)分相似但是不同的紋理結(jié)構(gòu)殊者。
