基于HOG-CNN的高相似度叶片图像识别方法

摘要

依赖特征工程的传统图像识别技术对高度相似叶片图像识别困难,对此提出一种融合方向梯度直方图(HOG)与卷积神经网络(CNN)的图像识别方法.首先由HOG算子提取叶片图像的局部纹理特征,然后将特征向量导入卷积神经网络进行训练、测试和输出分类结果.通过组合对比试验结果表明,该方法能够有效提高数据的鲁棒性,提高叶片图像的平均正确识别率,比多层感知器(MLP)和支持向量机(SVM)分类器的准确率提高了12％左右,平均准确率达到85％.