基于数字图像处理的树叶识别论文---黄金版要点

目录

摘要 (1)

英文摘要 (2)

1 引言 (2)

1.1 选题背景及意义 (3)

1.2 国内外研究的进展 (3)

1.2.1 树叶识别的研究进展 (3)

1.2.2 神经网络的研究进展 (4)

1.3 论文的主要内容与组织结构 (4)

1.3.1 论文的主要内容 (4)

1.3.2 组织结构 (4)

2 树叶图像预处理 (4)

2.1 图像采集 (4)

2.2 图像裁剪 (5)

2.3 图像平滑 (6)

2.4 图像分割 (8)

2.4.1 最大类间方差法 (8)

2.4.2 matlab实现及效果图 (8)

2.5 边缘检测 (9)

3 树叶图像特征提取 (11)

4 基于神经网络的树叶识别 (13)

4.1 BP网络基本理论 (13)

4.2 隐含层数的选取 (13)

4.3 节点数的选取 (13)

4.4 BP网络的建立 (14)

4.5 树叶识别 (14)

4.6 GUI界面设计 (14)

4.7 结果分析 (16)

5 总结与展望 (16)

5.1 总结论文的主要工作 (16)

5.2 展望论文的不足 (16)

参考文献 (16)

致谢 (17)

基于神经网络的树叶识别系统研究机电与信息工程学院电子信息工程曹文君（20903031002）

指导老师：吕军（助教）

摘要：植物是生物圈的重要组成部分，其中，叶片是植物的一个重要特征，不同的植物叶片在叶形及叶脉等外部特征上都不尽相同，这就使我们能够很好地利用植物叶片的特征来对植物分类。过去这类工作是由人工完成，不但工作量大，而且工作效率比较低。随着数字图像处理技术的快速发展，我们可以有效地借助计算机进行辅助操作，这样可以提高识别的准确性，从而提升了工作效率。

本文重点工作有：应用数字图像处理技术对采集到的叶片做图像预处理；提出了基于BP神经网络的方法进行树叶的识别，并构造了一个基于神经网络的集成分类器模型。最后，对本系统进行了仿真测试，取得了较好的结果。

关键词：图像处理；神经网络；集成分类器

Recognition System of Leaf Images Based on

Neuronal Network

Cao Wenjun Director：Lv Jun（A ssistant）

(School of Mechanical Electrical and Information Engineering ,Huangshan University , Huangshan,

China, 245041)

Abstract：The plant is an important component of the biosphere ,and a leaf is a key character of the plant ,different plant may be different in leaf type as well as the leaf vein ,and this enables us to use the plant leaf to carry on the classification of the plant .In the past ,this kind of work was by completes artificially ,the work load was also very heavy ,moreover the working efficiency was relatively quite low .Along with the computer image processing technology's fast development ,we can use the computer to help us with this work ,then enhance the recognition accuracy and promote the working efficiency .

The main work of this article includes :use digital image processing technology to pretreat the leaf image ;propose method based on BP neural network recognition of the leaves ,besides ,constructed a model based on neural network ensemble classifier .Finally carried on the experiment test to this system ,hen get to the good result .

Key Words：image processing；neural network；ensemble classifier

1 引言

1.1选题背景及意义

大千世界，植物是普遍存在于自然界的。植物的发展及进化都经历了一个漫长的阶段。它们是维持人类生存的重要载体。因此，对植物的研究就显得格外重要。目前，在地球上仅为人所知的有花植物有大约25万种，其他的更是数不胜数。面对庞大的植物世界，目前植物分类可以通过植物叶型分类来实现植物种类的识别。植物叶形分类主要依赖于分类学知识渊博且长期从事植物分类工作的专家学者进行人工分类，该方法存在着耗时耗力、效率低、主观因素大等不足，再加上植物分类人才的匮乏，对植物分类的研究愈加困难。

随着人工智能的日臻成熟，数字图像处理技术广泛用于农业、工业、军事等各个领域。利用数字图像处理技术对植物叶片分类是完全可行的。本文拟对采集的植物叶片图像进行去噪、边缘检测等预处理，通过提取叶片图像外部特征参数，利用BP神经网络实现植物叶片的自动识别。

本论文的主要任务是利用数字图像处理技术及其神经网络模式识别方法应用到植物叶片分类应用领域，该研究是工农交叉性研究，在一定程度上促进了植物学、农业及林业领域信息化的发展建设，为植物学农林业的迅速发展提供了强有力的技术支持，从而对推动经济的跨越发展起到了重要作用。

1.2 国内外研究的进展

1.2.1 树叶识别的研究进展

虽然图像识别技术在十九世纪就有人研究，但真正开始受到人们关注的是在60年代末，随着时间的推移，到80年代，图像识别技术广泛应用到各个领域，而且也取得了不错的成果。傅弘[1]学者提出了神经网络的叶脉提取方法，通过训练的神经网络准确地提取了叶脉图像，实现了叶脉的提取；朱静[2]学者提出了在Windows XP平台上对叶片图像的输入、变换及分割等识别过程的设计,实现了叶缘特征的结果输出和叶片图像的形状。刘纯利[3]学者提出了树叶纹理建模的树叶识别方法，通过提取采集的树叶的某些区域，利用图像处理对重要区域进行变换，并用高斯模型对高频子带建模，再用高斯模型的参数作为树叶的特征，从而实现了树叶识别；王代琳[4]学者提出了神经网络的树叶识别方法，通过对不同树叶进行预处理来获取外形特征，利用java 语言实现了树叶识别；朱宁[5]学者利用局部二进制模式方法，提出了将该方法应用于植物叶片图像纹理特征的提取，实现了用于提取叶片样本特征的各种算子，实现了基于局部二进制模式的树叶识别。王晓峰[6]学者提出了一种利用树叶外形特征来对叶片进行识别的方法，通过对叶片图像做去噪及边缘等处理并提取叶片的轮廓区域，利用其得到的外部特征进行分类，实现了多种植物叶片的准确识别。至此，树叶识别技术便得到了快速发展。