欢迎来到天天文库
浏览记录
ID:35182129
大小:4.43 MB
页数:79页
时间:2019-03-21
《基于叶片图像的植物识别方法研究》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、全日制硕士学位论文基于叶片图像的植物识别方法研究PlantRecognitionMethodBasedonLeafImages申请人姓名:忽胜强指导教师:恩德、苏波学位类别:工学硕士专业名称:控制科学与工程研究方向:控制理论与控制工程河南理工大学电气工程与自动化学院二○一六年六月河南理工大学学位论文原创性声明本人郑重声明:所呈交的学位论文:基于叶片图像的植物识别方法研究,是我个人在导师指导下进行的研宄工作及取得的研究成果。论文中除了特别加以标注和致谢的地方外,不包含任何其他个人或集体已经公开发表或撰写过的研宄成果。其他同志对本研宄的启发和所做的
2、贡献均已在论文中作了明确的声明并表示了谢意。本人愿意承担因本学位论文引发的一切相关责任。学位论文作者签名:忍印t钱'X年f月It日河南理工大学学位论文使用授权声明本学位论文作者及导师完全了解河南理工大学有关保留、使用学位论文的规定,即:学校有权保留和向有关部门、机构或单位送交论文的复印件和电子版,允许论文被查阅和借阅,允许将本学位论文的全部或部分内容编入有关数据库进行检索和传播,允许采用任何方式公布论文内容,并可以采用影印、缩印、扫描或其他手段保存、汇编、出版本学位论文。保密的学位论文在解密后适用本授权。学位论文作
3、者签名弓:&导师签名:年6月丨4曰灰//年6月从曰中图分类号:S126密级:公开UDC:621.3单位代码:10460基于叶片图像的植物识别方法研究PlantRecognitionMethodBasedonLeafImages申请人姓名忽胜强学位类别工学硕士专业名称控制科学与工程研究方向控制理论与控制工程导师恩德职称教授苏波副教授提交日期2016年6月1日答辩日期2016年6月8日河南理工大学致谢过去的三年,是学习、提升的过程。非常感谢在这个过程中给予我帮助的朋友们、老师们及默默支持我的亲人们。特别要感谢的是我的导师恩德先生。恩德老师待人和善平易、治学严谨
4、认真。他在生活生上如慈父般给予我们热忱的关怀。在学业上,他总是能够给我们指点迷津。在做人上,他总是提醒我们要诚信豁达、乐观向上。谢谢恩德老师将他多年的生活经验、学习经验、科研经验无私的授予我们。这些经验是我们人生中的一笔宝贵财富。由于积劳成疾,恩德老师在近期住进了医院。由衷的祝愿我敬爱的老师能够尽快战胜病魔。另外要感谢苏波老师在恩德老师住院之际,给予我在论文撰写等方方面面的帮助。谢谢您!最后,衷心的谢谢各位审阅论文的专家及学者。摘要植物识别在维护植物物种多样性、植物资源开发与利用等领域均有着举足轻重的作用。传统的植物识别方法要求操作者拥有扎实的专业知识,并且往往存在着
5、工作量大、工作效率低等问题。利用数字图像处理技术进行植物物种的自动识别成为植物识别领域的研究热点。植物叶片作为植物的重要器官,它具有二维结构且易于进行数字图像采集。因此,在植物自动识别方法的研究之中,叶片常常被作为首选的参考器官。论文从叶片图像预处理、特征提取和分类器设计三个方面对基于叶片图像的植物识别方法进行了研究与改进。在叶片图像预处理阶段,详细介绍了植物叶片图像的灰度化处理、植物叶片图像的分割、植物叶片图像的形态学处理、植物叶片的边界提取及位置归一化方法。为解决具有复杂背景的植物叶片图像分割,本文采用了一种半自动交互式的图像分割方法。相较于传统的阈值分割方法,半
6、自动交互式图像分割方法对具有复杂背景的植物叶片图像能够取得理想的分割效果。在植物叶片特征提取阶段,利用植物叶片的几何特征与纹理特征相组合的方法对植物叶片进行特征提取操作。其中植物叶片的区域几何特征由不变矩特征和若干个叶片几何描述参数共同构成,纹理特征则利用灰度共生矩阵进行提取。在分类器设计阶段,将集成学习算法应用于植物叶片分类器的训练。针对植物叶片识别这个多类别分类问题,提出了一种新型的神经网络集成分类器算法。在Flavia叶片数据库中选取20类叶片图像,每类30张,共计600张图片进行实验。基于神经网络集成的植物叶片识别方法的平均识别精度为91%。与其它分类器算法相
7、比,试验结果表明集成学习算法可以提高植物叶片识别的精度。在论文的最后,设计了一种基于随机森林算法的植物叶片识别软件,且在校园采集的9类植物叶片样本上进行了试验,取得了良好的识别效果。关键词:植物叶片识别;图像分割;特征提取;集成学习;IAbstractPlantidentificationplaysanimportantroleintheprotectionofplantspeciesdiversity,thedevelopmentandutilizationofplantresourcesandotherfields.Thetraditionalp
此文档下载收益归作者所有