学位论文 > 优秀研究生学位论文题录展示
植物叶片图像识别特征的研究和在线识别系统实现
作 者: 肖雪洋
导 师: 黄德双
学 校: 中国科学技术大学
专 业: 模式识别与智能系统
关键词: 植物叶片识别 特征提取 HOG MMC 植物叶片数据库 数据降维 模式识别 叶片识别系统
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 154次
引 用: 0次
阅 读: 论文下载
内容摘要
植物是世界上最常见的生物,其对保持大气成分、生态循环和其他自然系统的维持有着非常重要的作用。植物分类是研究植物的基础之一,在植物研究的相关领域都有着毋庸置疑的重要性。本文从讨论植物叶片图像识别的可能性出发,继而介绍了多种计算机辅助分类的植物叶片图像特征识别方法,最后提出了一个新的植物叶片图像分类的方法—基于最大边缘准则降维的方向直方图特征提取方法(HOG-MMC)。这个算法是将方向梯度直方图(HOG)算子作为叶片特征直接提取并且使用最大边缘准则(MMC)方法进行降维,从而得到植物叶片图像的一组特征。我们对上述特征在两个不同的数据库上进行了测试。第一个为瑞士植物叶片数据库,包含大约15种不同的瑞士树种,每个种类有75个叶片图像。第二个数据库是智能计算实验室(ICL)叶片数据库,所有样本采自合肥植物园,由中科院智能计算实验室整理而成。HOG-MMC特征在这两个叶片数据库上的识别率均超过了包括IDSC在内的其他传统的植物叶片识别特征。特别是在ICL_B数据库上表现特别明显,比其它特征在识别率上提高了10%。最后,基于本文的工作实现了多平台植物叶片在线识别系统,即基于PC平台的C/S架构叶片识别系统和基于嵌入式系统的在线系统,从而将科研结果转换为了实际可用的软件,具有一定的实用价值。
|
全文目录
摘要 4-5 Abstract 5-7 第一章 绪论 7-17 1.1 研究背景 7-11 1.1.1 植物分类的重要性 7 1.1.2 植物叶片分类可行性 7-9 1.1.3 图像识别基础 9-11 1.2 国内外研究现状 11-13 1.3 研究难点 13-15 1.4 主要内容 15-17 第二章 植物叶片图像识别 17-41 2.1 植物叶片识别特征 17-31 2.1.1 叶片生物学形状特征 17-19 2.1.2 计算机辅助植物叶片图像形状特征 19-21 2.1.3 叶片基于内部距离的形状上下文特征(IDSC) 21-26 2.1.4 图像方向梯度直方图特征的提取 26-31 2.2 分类器 31-38 2.2.1 SVM(支持向量机) 31-34 2.2.2 MMC(最大边缘准则)和KNN(K 近邻分类) 34-38 2.3 HOG-MMC 植物特征分类方法 38-41 第三章 相关实验及结果讨论 41-47 3.1 数据库 41-42 3.2 实验方法 42-43 3.3 实验结果讨论 43-47 第四章 植物叶片图像在线识别系统实现 47-53 4.1 PC 平台在线识别系统的实现 47-49 4.2 基于嵌入式系统在线识别系统的实现 49-53 第五章 总结和展望 53-55 参考文献 55-58 在读期间发表的学术论文 58-59 致谢 59
|
相似论文
- 基于流形学习的高维流场数据分类研究,V231.3
- 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
- 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
- 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
- Q学习在基于内容图像检索技术中的应用,TP391.41
- 直推式支持向量机研究及其在图像检索中的应用,TP391.41
- 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
- 基于仿生模式识别的文本分类技术研究,TP391.1
- 空间交会接近视觉测量方法研究,TP391.41
- 图像实时采集、存储与处理方法研究,TP391.41
- 唇读中的特征提取、选择与融合,TP391.41
- 多币种纸币处理技术的研究与实现,TP391.41
- 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
- 基于图像的路面破损识别,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 高光谱与高空间分辨率遥感图像融合算法研究,TP751
- 基于随机森林的植物抗性基因识别方法研究,Q943
- 基于图像处理技术的烟叶病害自动识别研究,S435.72
- 基于视觉的番木瓜外观品质检测技术研究,S667.9
- 羊绒与羊毛纤维鉴别系统的研究,TS101.921
- 基于回波包络的超声波入侵探测在军队警戒巡逻中的应用,E919
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|