技術(shù)特征：

1.基于余弦距離和中心輪廓距離的兩次植物物種識別方法，其特征在于，包括如下步驟：

步驟一、將所有有類別標(biāo)簽的C種植物葉片圖像組成訓(xùn)練圖像集，然后將所有訓(xùn)練集中的樣本和一幅待識別的葉片圖像轉(zhuǎn)換成灰度圖像，再將所有灰度圖像縮放為大小都為64×64像素的圖像，處理后的訓(xùn)練集中的C個灰度圖像子集的集合記為{G₁,G₂,...,G_C}，處理后的待識別葉片圖像的灰度圖像記為g；

步驟二、計算{G₁,G₂,...,G_C}中的每幅圖像與g的余弦距離，

$cos(g_{ij},g)=\frac{g_{ij}^T\·g}{\left|\right|g_{ij}\left|\right|\·\left|\right|g\left|\right|}---\left(1\right)$

其中：g_ij為第i類子集G_i中的第j幅灰度圖像，T表示矩陣轉(zhuǎn)置；

然后計算{G₁,G₂,...,G_C}中的每個圖像子集與g的平均余弦距離，

$w(G_i,g)=\frac{1}{n_i}\underset{j=1}{\overset{n_i}{\Σ}}cos(g_{ij},g)---\left(2\right)$

其中：n_i為G_i中的圖像數(shù)目，i＝1,2,...,C；

步驟三、將步驟二得到的C個平均余弦距離由大到小進(jìn)行排序，選擇前個平均余弦距離對應(yīng)的個不同種類灰度圖像子集作為待識別圖像g的候選集，其中表示取不大于的整數(shù)運算；

步驟四、對于候選集中任意一幅灰度圖像和待識別的灰度圖像g，利用Canny邊緣檢測方法提取灰度圖像的邊緣輪廓點的坐標(biāo)，選擇該圖像的所有輪廓點中縱坐標(biāo)最大的點作為起始點，按照逆時針順序?qū)⒃搱D像的所有輪廓點進(jìn)行排序，記為{(x₁,y₁),(x₂,y₂),...,(x_p,y_p)}，p為輪廓點的數(shù)目，然后計算輪廓點的中心點的坐標(biāo)，記為(x₀,y₀)，其中x₀和y₀分別為再計算中心距離向量[d₁,d₂,d₃,...,d_p]，其中d_i(i＝1,2...,p)表示第i個輪廓點(x_i,y_i)到中心點(x₀,y₀)的歐氏距離，計算向量[d₁,d₂,...,d_p]的長度為128的快速傅里葉變換，

${\mathrm{FFT}}_i=\frac{1}{128}\underset{l=0}{\overset{127}{\Σ}}{d}_{l+1}\exp (-\frac{2\mathrm{\π}\mathrm{\τ}il}{128}),i=0,1,2,...,127---\left(3\right)$

其中：τ為單位復(fù)數(shù)

計算式(3)對應(yīng)的幅度譜向量，記為[F₀,F₁,F₂,...,F₁₂₇]，將其歸一化為然后去掉該向量的第一項后得到作為該圖像的中心輪廓特征向量；

步驟五、利用步驟四得到待識別灰度圖像g和它的候選集中的每幅葉片圖像的中心輪廓特征向量，計算待識別灰度圖像g的中心輪廓特征向量和它的候選集中的每幅葉片圖像的中心輪廓特征向量之間的相似度，

$W(F_{st},F)=\exp (-\frac{\left|\right|F_{st}-F|{|}^2}{\left|\right|F_{st}\left|\right|\·\left|\right|F\left|\right|})---\left(4\right)$

其中，F(xiàn)為g的中心輪廓特征向量，F(xiàn)_st為候選集中第s類子圖像集中的第t幅灰度圖像的中心輪廓特征向量；

從候選集集中選擇前三個最大的相似度對應(yīng)的圖像，判別選擇的三幅圖像是否屬于同一類，若是屬于同一類，則待識別圖像的類別屬于這一類別，識別過程結(jié)束，否則選擇前5個最大的相似度對應(yīng)的不同類圖像子集，計算每個子集中所有圖像與g的中心輪廓特征向量之間的相似度的平均值，再選擇最大的平均相似度對應(yīng)的圖像類別，則待識別圖像的類別屬于這一類別。