花粉图像鉴别特征提取算法的研究

《花粉图像鉴别特征提取算法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号；单位代码；１０３００密级：学号：２０１３１２４５５９５Ｉ素玉化少、Ｉ書信若毒硕±学位论文Ｔ－苗：花粉图像整别特征提取算法的妍究民ｅｓｅａｒｃｈｏｎＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎＡｌｏｒｉｔｈｍｓｆｏｒＰｏＵｅｎＩｍａｅｓｇｇ申请人姓名：徐赵飞指导教师：谢永华教授专业名称：软件工程研究方向：图像处理和模式识别所在学院：计算机与软件学院二〇—六年五月独创性声明本人声明所呈交的论文是我个人在导

2、师指导下进行的研巧工作及取得的研。究成果本论文除了文中特别加标注和致谢的内容外，不包含其他人或其他机构已经发表或撰写过的研巧成果，也不包含为获得南京信息工程大学或其他教育机构的学位或证书而使用过的材料。其他同志对本研巧所做的贡献均己在论文中作了声明并表示谢意。学位论文作者签名；签字曰期；＿＿关于论文使用授权的说明南京信息工程大学、国家图书馆、中国学术期刊（光盘版）杂志社、中国科学技术信息研究所的《中国学位论文全文数据库》有权保留本人所送交学位论文的复印件和电

3、子文档，可Ｗ采用影印、缩印或其他复制手段保存论文，并通一过网络向社会提供信息服务致。。本人电子文档的内容和纸质论文的内容相除在保密期内的保密论文外，允许论文被查阅和借阅，可Ｗ公布（包括刊登）论文的全部或部分内容。论文的公布（包括刊登）授权南京信息工程大学研巧生院办理。□公开□保密（年月）保密的学位论文在解密后应遵守此（协议）学位论文作者签名：作公Ｔ签字日期：成ｋｌｈ如本＾指导教师签名Ｉ＝曰期：如签字目录摘要ＩＡｂｓｔｒａｃｔＩＩ一第章

4、前言１１．１研究目的和意义１１．２国内外研究现状１１．３研巧内容和方法６１．４论文组织结构６第二章基本概念介绍８２８．１图像纹理特征２丄１纹理特征基本概念８２丄２常用的纹理特征提取方法９２１１．２图像形状特征２．２．１形状特征基本概念１１２．２．２常用的形状特征提取方法１２２．３遗传算法１４２１５．３．１编码表示２．３．２运算过程１５２１７．４高斯金字塔２１９．５支持向量机２．６本章小结２０

5、第三章基于高斯尺度空间的粗稻度描述子特征提取方法２１３２１．１高斯尺度空间的构造３．２参数选择２２３．３粗糖度特征的提取２３３；２６．４基于高斯尺度空间的粗構度描述子３２７．５实验结果及分析３．４．１Ｃｏｎｆｏｃａｌ花粉图像的实验结果２８Ｉ３．４．２Ｐｏｌｌｅｍｎｏｎｉｔｏｒ花粉图像的实验结果２９３．４．３与传统形状描述子特征的实验结果对比分析３０３．６本章小结３１第四章基于Ｚｅｍｉｋｅ矩的傅里叶形状描述子特征提取方法３２４

6、ｉｋｅ矩３２．１Ｈ维球面坐标下的Ｚｅｍ４％．２模板计算４．３参数选择３６４．４基于遗传算法的Ｚｅｍｉｋｅ矩优选３７４．５基于Ｈ维Ｚｅｍｉｋｅ矩的傅里叶描述子３９４６４０．实验结果及分析４．６．１Ｃｏｎｆｏｃａｌ花粉图像的实验结果４０４．６．２Ｐｏｌｌｅｎｍｏｎｉｔｏｒ花粉图像的实验结果４１４．６．３与传统形状描述子特征的实验结果对比分析４２４．７本章小结４３第五章纹理和形状特征实验对比分析４５５．１Ｃｏｎｆｏｃａｌ花粉图

7、像的识别率比较４５５．２Ｐｏｌｌｅｎｍｏｎｉｔｏｒ花粉图像的识别率比较４７５．３平均识别率比较４９５．４本章小结５０第六章总结与展望５１６．１工作总结５１６．２展望５２参考文献５３測５９作者简介６０ＩＩ摘要花粉颗粒图像的自动分类和识别在环境、医学等领域发挥着重要的作用。但目前传统的花粉分类和识别主要依靠人工进行，往往要求专业人员具有丰富的花粉形态学知识和实践经验，识别过程非常耗时而县由于识别精度会受到鉴别人员主观因素

8、的影响，识别效率普遍不高。近年来，随着图像处理和模式识别理论的发展，利用计算机进行花粉图像自动分类识别已经成为解决上述问题的有效手段。本文就花紛图像的鉴别特征提取算法开展研究，Ｗ期提高特征对于图像几何变换的鲁棒性：，提高分类识别的精度。主要研巧内容包括（１）针对现有纹理描述子大多依赖于灰度平均值，易造成图像信息丢失的问一题，并应用于花粉图像的分类，提出了种基于高斯尺度空间的粗糖度描述子和识别。该方法首先利用高斯卷积构造图像的高斯尺度空间；然后通过计算粗糖