本文研究了从图像中进行花卉分类的问题。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,该系统可以确定该花的种类,尽管该花的视点、比例、光照和自然变形发生了变化。我们将问题分为两个挑战:分割和分类。
在分割方面,我们提出了一种迭代分割方案,该方案只需给定一个花朵的一般颜色模型,而不需要特定图像中花朵的相关信息。这是通过迭代拟合几何模型和更新颜色模型来完成的。每一次迭代的分段都是通过使用graphcuts最小化条件随机场得到的。
对于分类,我们研究如何结合不同的特征,这些特征被仔细地磨练来描述不同的方面,从而提高性能。我们描述的是颜色、质地和形状。另外,我们利用分割所引入的几何模型来发展仿射不变的几何布局特征。
我们在17个类别和102个类别的花卉数据库上对我们的方法进行了评估。尽管存在大量的类内变异、小的类间变异以及数据库的规模,我们仍然表现出良好的分类性能和很好的检索性能。