slide1 n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
CCDアルゴリズムを用いた 葉の形状の特徴抽出 PowerPoint Presentation
Download Presentation
CCDアルゴリズムを用いた 葉の形状の特徴抽出

Loading in 2 Seconds...

play fullscreen
1 / 15
gerik

CCDアルゴリズムを用いた 葉の形状の特徴抽出 - PowerPoint PPT Presentation

150 Views
Download Presentation
CCDアルゴリズムを用いた 葉の形状の特徴抽出
An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. CCDアルゴリズムを用いた葉の形状の特徴抽出CCDアルゴリズムを用いた葉の形状の特徴抽出 阿部研究室  0311120  ALFIAN MUHAMMAD

  2. はじめに • 植物は複数の特徴から認識できる   特徴の例:葉、花、果物、枝など • 2次元であるため、葉に着目した研究は多い[1~4]が、葉だけによる植物認識は不十分である • 高い認識率をもつ植物識別システムはあるが[5]、手動であるため手間がかかる

  3. 目的 • 葉の形状の特徴を抽出するCCDアルゴリズムに着目し、コード化の改良と評価を行い、植物認識の自動化に役立てる

  4. CCDアルゴリズム • 葉の重心(Centroid)と輪郭(Contour)間の距離(Distance)を計算し、特徴量として扱う • シンプルで汎用性が高い

  5. CCDのコード化 D1=64で合併した結果(ブロック数=38) E1=56-38=18 D2=32で合併した結果(ブロック数=32) E2=38-32=6 D3=16で合併した結果(ブロック数=28) E3=32-28=4 D5=4。44で合併した結果(ブロック数=14) E5=22-14=8 D6=3.17で合併した結果(ブロック数=12) E6=14-12=2 D4=8.16で合併した結果(ブロック数=22) E4=28-22=6 得られたコード (E7=残りのブロック数=12) 求められたBCCD(ブロック数=56) MCCDグラフ

  6. CCDコード化の問題点 • ガウシアン関数の標準偏差値σと畳み込み範囲Tの最適な設定が未解決 • 正確に先端(lobation)の数を表せない場合がある。 AL2 正しくはE7= 12 , E6= 2または4

  7. 実験 1. ガウシアン関数の標準偏差値σと畳み込み範囲Tがコードに与える影響と処理時間を調べ、最適なσとTの値を求める 2.ブロックi内のCCDグラフの振幅を表す尺度Riとマージ閾値Diを調節する

  8. 評価に用いる葉のサンプル base leaf unlobed entire unlobed toothed bilobed entire leaf ternate entire palmate entire palmate toothed AL2 BAL LHC dentate crenate serrate

  9. 実験1の結果(1)Tとσがコードに与える影響実験1の結果(1)Tとσがコードに与える影響 • Tとσが大きいほどブロックの数が減る • ブロックの数はある値(下の例では約38)以下になれば、(雑音を除き)コード中の輪郭部を表す要素の値が変わるが、その値以上であれば、コードの意味は変わらない。

  10. 実験1の結果(2):Tとσと処理時間 • 最短平均処理時間はσ=1、T=2の時

  11. 実験2:コード化パラメータの修正

  12. 実験2の結果(1):HongFuとの比較 σ=1、T=2

  13. おわりに • 葉の形状の特徴を抽出するCCDアルゴリズムに着目し、コード化の改良と評価を行った • 葉の特徴をよりよく表すコードが得られた

  14. 今後の課題 • データベースを追加し、認識率を調べる • 葉のマージンの区別 • 植物識別システム[5]と連携を行う

  15. 参考文献 • [1] Z. Wang, Z. Chi, and D. Feng, “Shape based leaf image retrieval,” Proc.IEE Vision Image and Signal Processing, Vol.150, No.1, pp.34-43, 2003. • [2]C. Im ,H. Nishida, and T. L. Kunii, ”Recognizing plant species by leaf shapes- a case study of the acer family,” Proc.IEEE Int. Conference on Pattern Recognition, pp.1171-1173, 1998. • [3]S. Abbasi, F. Mokhtarian , and J. Kittler, “Reliable classification of chrysanthemum leaves through curvature scale space,” Proc. Int. Conf. on Scale-space Theory in Computer Vision, pp.243-258, 1997. • [4] F. Hong, C. Zheru, F. Dagan, and S. Jiataou, “Machine Learning Techniques for Ontologybased Leaf Classification,” Proc. Int. Conf. on Control, Automation, Robotics and Vision, pp.681-686, 2004. • [5] 大川ち津る,“種子植物2,172種の検索用データベースを活用する植物検索プログラムの作成,”生物教育, Vol.40, No.3&4, pp.145-157, 2000.