文献

J-GLOBAL ID：201702288233783335   整理番号：17A1530125

スパース表現辞書学習に基づく植物分類手法【JST・京大機械翻訳】

Plant classification method based on dictionary learning with sparse representation

著者 (3件)： Zhang Shanwen (西京学院 信息工程学院,陜西 西安,710123) ,  Kong Weiwei (西京学院 信息工程学院,陜西 西安,710123) ,  Wang Zhen (西京学院 信息工程学院,陜西 西安,710123)
資料名： Zhejiang Nongye Xuebao  (Zhejiang Nongye Xuebao)
巻： 29  号： 2  ページ： 338-344  発行年： 2017年 
JST資料番号： C3051A  ISSN： 1004-1524  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 葉画像に基づく植物分類法の研究は植物分類学の重要な研究方向である。葉身画像の複雑性と季節、照明などの条件に対して比較的に敏感であるため、現有の植物分類方法の分類効果は良くない。本論文では、スパース表現辞書学習に基づく植物種の識別方法を提案し、この方法では、植物分類問題を分類された葉身画像の訓練サンプルの葉身画像に対するスパース表現問題に変換した。次に,植物葉画像の分類のための辞書学習を用いて,より小さい,そして,最適化された超完備辞書を用いて,認識された葉画像のスパース表現を計算した。既存の植物分類方法と比較して、この方法の革新点は直接に原始葉身画像に対して処理を行い、各葉画像から色、テクスチャと形状などの分類特徴を抽出する必要がなく、植物分類方法の複雑さを大幅に低減し、分類方法のリアルタイム性とロバスト性を高めた。50種類の植物葉画像に対して、公開された植物葉画像データベースにおいて分類実験を行い、認識率は92%以上に達した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 画像データベース ,  *画像 ,  最適化 ,  ロバスト性 ,  葉身
準シソーラス用語： 認識率 ,  実時間 ,  分類法 ,  テクスチャ ,  植物種 ,  複雑性 ,  *植物分類 ,  *辞書学習 ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： plant classification ,  leaf image ,  sparse representation ,  dictionary learning

分類 (2件)： 信号理論  (ND02020G) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： スパース表現 ,  辞書学習 ,  植物 ,  分類 ,  手法