本文研究了基于图像的花卉分类问题。给定一个图像,并且只知道它包含一朵花,任务是设计一个系统,该系统可以确定花的种类,而不管花的视角、比例、光照和自然变形如何变化。我们将问题分为两个挑战:分割和分类。
对于分割,我们开发了一种迭代分割方案,该方案能够在给定花的通用颜色模型而没有特定图像中花的信息的情况下分割花。这是通过迭代拟合几何模型和更新颜色模型来实现的。每次迭代的分段是通过使用图割最小化条件随机场来获得的。
对于分类,我们研究了如何结合不同的特征,这些特征经过精心打磨以描述不同的方面,从而提高性能。我们描述的方面是颜色、纹理和形状。此外,我们使用为分割引入的几何模型来开发仿射不变的几何布局特征。
我们在17类和102类花卉数据库上评估了我们的方法。尽管类内变化很大,类间变化很小,数据库规模很大,但我们展示了良好的分类性能和非常好的检索性能。