资源描述：
《图像处理论文：图像处理 特征提取 分类识别 语义标注》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、图像处理论文：昆虫图像语义标注技术的研究【中文摘要】随着昆虫学研究对象的不断深入和扩展,昆虫学领域产生了越来越多的图像数据,使得图像数据库开始急速膨胀,从而使研究人员难以方便、快速、准确地查询和检索到所需要的图像信息。因此,昆虫图像标注是昆虫图像检索领域一个具有重要价值的研究热点。本文主要对鳞翅目、鞘翅目和直翅目三类昆虫图像标注技术进行了深入的研究。论文的主要工作如下：(1)设计了针对三类昆虫图像的预处理模型。该模型主要通过平滑滤波、背景滤除及孤立噪声点处理三部分结合实现。实验结果表明该过程不仅能较好完成预处理
2、操作,同时也较好地将对象从图像背景中分割出来。(2)提取了直翅目和鞘翅目昆虫的躯体形状特征。实现主要操作包括：形态学膨胀与腐蚀处理、CANNY边缘检测,最后提取了躯体轮廓的全局形状特征。实验结果表明,在获取了较准确的躯体轮廓后,能够较好地提取到全局形状特征。(3)提取了三类昆虫图像的纹理特征。实现方法是直接计算三类滤除背景的昆虫图像共生矩阵的特征值。实验结果表明在固定图像大小的情况下可以实现快速提取,但是当图像的尺寸变大时,灰度共生矩阵算法的时间复杂度会急速增长,提取时延也会明显变大。(4)研究了神经网络算法和
3、SVM支持向...【英文摘要】Astheresearchofobjectsinentomologyisdeepenedandexpandedunceasingly,therearemoreandmoreinsectimagesmadeinentomologyfields,resultinginthedilationofinsectsdatabase,whichmakestheresearchersdifficulttoqueryandretrievetheirneededimagesinformationcon
4、veniently,fastandaccurately.Soitisaresearchhotspottostudyannotationofinsectimages,whichisofimportantvalue.Andinthispaper,theannotationsofthelepidoptera,coleopteraandorthopterainsectimageswer...【关键词】图像处理特征提取分类识别语义标注【英文关键词】ImageprocessingFeatureextractionClass
5、ificationrecognitionSemanticannotation【索购全文】联系Q1：138113721Q2：139938848同时提供论文写作一对一辅导和论文发表服务.保过包发【目录】昆虫图像语义标注技术的研究中文摘要4-6ABSTRACT6-71绪论12-171.1课题研究的背景及意义121.2国内外研究现状及发展趋势12-141.2.1图像标注的国内外研究现状及发展12-131.2.2昆虫图像标注技术的研究现状及发展13-141.3本文主要研究内容及章节安排14-171.3.1主要内容14-1
6、51.3.2章节安排15-172昆虫图像预处理17-272.1引言172.2昆虫图像的特点17-192.3昆虫图像的平滑处理19-242.3.1均值滤波19-212.3.1.13*3均值滤波202.3.1.2超限领域平均滤波20-212.3.1.3选择式掩模滤波212.3.2中值滤波21-222.3.2.1N*N中值滤波器222.3.2.2十字型中值滤波器222.3.3均值滤波器和中值滤波器的分析比较22-242.4背景处理24-252.5黑白点噪声处理25-262.6实验结果分析26-272.6.1滤波处理实
7、验结果分析262.6.2背景处理实验结果分析262.6.3孤立黑白点实验结果分析26-273昆虫图像特征提取27-423.1引言273.2形状特征提取27-383.2.1区域填充27-283.2.2形态学处理28-333.2.3边缘提取33-363.2.3.1Sobel边缘检测算子33-343.2.3.2拉普拉斯边缘检测算子343.2.3.3CANNY边缘检测算子34-353.2.3.4实验结果与比较分析35-363.2.4特征提取36-383.3纹理特征提取38-413.3.1基于图像灰度共生矩阵的纹理特征提
8、取38-413.4实验结果分析41-424图像分类42-534.1引言42-434.2BP神经网络分类器算法介绍43-464.2.1BP神经网络结构的设计43-444.2.2BP神经网络的学习训练44-464.3SVM支持向量机算法介绍46-494.3.1线性可分支持向量机46-474.3.2线性不可分支持向量机47-484.3.3非线性可分支持向量机48-494.4BP分类器与SVM
