学位论文 > 优秀研究生学位论文题录展示

常见贝类形貌特征识别技术研究

作　者: 杨靖尧
导　师: 陶学恒; 里红杰
学　校: 大连工业大学
专　业: 模式识别与智能系统
关键词: Gabor变换主成分分析极限学习机计算机视觉技术图像处理模式识别
分类号: TP391.41
类　型: 硕士论文
年　份: 2013年
下　载: 14次
引　用: 0次
阅　读: 论文下载

内容摘要

随着IT的普及和信息技术的飞速发展，图像识别技术不断的深入我们的生活。比如在字符识别（邮局信函的自动分拣机），医学图像的分析和识别，纸币的防伪，商品条形码的识别，导弹等军事项目中，图像识别技术逐渐成为我们的日常生活中不可或缺的一部分。对于图像识别技术的每个人的理解不尽相同,主要是指由计算机对图像进行处理，达到预期的目的，使得计算机能够“看懂”图像，然后再通过计算机进一步的分析，最终可以替代人的大脑识别图像。可以说,模式识别技术就是人类视觉认知的延伸。目前模式识别技术应到海产品领域中基本是针对鱼类、海参等海产品中，在贝类上的应用基本处于空白状态。所以本文将模式识别技术应用到了贝类的形貌特征上进行了一些讨论与研究。本文对贝类图像进行识别的环境是在生产线上或是在打捞后进行过简单处理过后的贝类，在此环境下的贝类外表基本没有任何的附着物，这样可以在分类识别中不考虑贝类图像被遮掩到的因素。本文分别在对图像采集、图像预处理，特征提取和分类识别等几方面进行研究的基础上，采用基于Gabor变换和二维图像主成分分析(2D PCA)及极限学习机相结合的贝类图像识别方法。通过对贝类图像进行Gabor变换，提取其图像特征，确定图像特征维数；采用2D PCA方法，对变换后的特征进行降维，并利用极限学习机（ELM）进行贝类图像的分类识别。在本文实验中通过与BP神经网络(Back Propagation)和支持向量机(SVM)实验对比发现，极限学习机分类器用于贝类识别中不仅速度极快而且泛化性良好，实验表明本文的算法具有较高的精度。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-13
  1.1 研究背景及意义  9-10
  1.2 研究现状  10-11
  1.3 论文的主要内容  11
  1.4 论文的组织结构  11-13
第二章贝类形貌特征识别过程的总体设计  13-19
  2.1 基本思想  13-14
    2.1.1 训练过程  13-14
    2.1.2 识别阶段基本过程如下  14
  2.2 算法设计  14-18
    2.2.1 贝类图像采集  15
    2.2.2 图像预处理算法流程  15-16
    2.2.3 特征提取算法流程  16-17
    2.2.4 数据降维（PCA/2D PCA）算法流程  17-18
  2.3 本章小结  18-19
第三章数字图像预处理  19-26
  3.1 数字图像预处理  19-20
  3.2 MATLAB 语言  20
    3.2.1 MATLAB 数字图像处理工具箱  20
  3.3 图像预处理  20-24
    3.3.1 图像处理的目的  20-21
    3.3.2 图像的灰度化  21-22
    3.3.3 图像增强  22
    3.3.4 灰度直方图  22
    3.3.5 对比度增强  22-23
    3.3.6 直方图均化  23-24
    3.3.7 图像的滤波  24
  3.4 图像的二值化  24-26
第四章贝类形貌图像 PCA 及特征提取  26-33
  4.1 主成分分析  26-29
    4.1.1 K-l 变换  26-28
    4.1.2 2D PCA 在贝类图像识别中的应用  28-29
  4.2 Gabor 小波变换  29-31
    4.2.1 一维 Gabor 小波变换  29-30
    4.2.2 二维 Gabor 小波变换  30
    4.2.3 贝类图像的二维 Gabor 小波变换  30-31
  4.3 二维 Gabor 小波响应图  31-33
第五章贝类分类识别与实验讨论  33-44
  5.1 概述  33
  5.2 神经网络（BP）  33-35
    5.2.1 概述  33-34
    5.2.2 工作原理  34
    5.2.3 BP 神经网络的特征  34-35
  5.3 支持向量机 SVM  35-37
    5.3.1 概述  35-36
    5.3.2 工作原理  36
    5.3.3 SVM 的特征  36-37
  5.4 极限学习机(ELM)  37-39
  5.5 实验结果与讨论  39-43
  5.6 本章小结  43-44
第六章结论  44-45
致谢  45-46
参考文献  46-49
附录 A  49-57

常见贝类形貌特征识别技术研究

内容摘要

全文目录

相似论文