版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、隨著計算機圖像處理和模式識別技術(shù)的發(fā)展,計算機植物種類的自動識別與分類也就成為了可能。目前植物識別和分類主要由人工完成,它的主要依據(jù)是植物的外觀特征。由于植物的外觀特征可以通過數(shù)字圖像方式獲得,那么利用圖像處理,模式識別等技術(shù)進(jìn)行植物種類識別將大大提高識別效率。計算機自動植物識別技術(shù)的研究內(nèi)容和目標(biāo)是提取植物的特征,分類并認(rèn)識植物,進(jìn)而能在眾多的植物中識別出已經(jīng)認(rèn)識的植物,或者找到相似的同類和近親植物。它在認(rèn)識和正確識別植物種類,植物博
2、物館的數(shù)字化,良種的識別,以及機械除草等方面有著重要的應(yīng)用價值。 本文首先綜述了計算機植物種類識別的基本概念和原理,并針對不同的方法和技術(shù)對現(xiàn)有的計算機植物識別方法進(jìn)行了總結(jié)和比較。根據(jù)目前算法的一些不足,提出了一種新的基于植物葉片特征的計算機植物種類識別方法。該方法在特征提取方面進(jìn)行了改進(jìn)和創(chuàng)新:首先對葉片圖像進(jìn)行預(yù)處理:利用高斯低通濾波去除噪聲;接著通過獲取葉片的近似長寬比,計算葉片外輪廓邊界的七個矩不變量等方法提取其幾何輪
3、廓特征;然后使用2-D離散小波變換對葉脈圖像進(jìn)行分解,分別對葉脈圖像不同尺度下的小波系數(shù)提取紋理統(tǒng)計矩,共得到72個葉脈的紋理特征值,用這些特征值表示葉脈的紋理特征;最后根據(jù)所得到的葉片特征值,利用自組織特征映射(SOM)神經(jīng)網(wǎng)絡(luò)作為分類器來識別植物種類。根據(jù)本文提出的方法,我們在計算機上進(jìn)行了仿真實驗,實驗分析表明了該方法的有效性和可靠性。 本文提出的基于葉片特征的計算機植物種類識別方法的研究成果,將人們對計算機植物種類識別的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于葉片特征的植物種類識別研究及識別系統(tǒng)實現(xiàn).pdf
- 果樹植物種類的識別
- 基于計算機視覺的植物花朵識別方法.pdf
- 基于計算機視覺的臍橙表面常見缺陷種類識別的研究.pdf
- 基于計算機視覺的植物葉片病斑分割與分析.pdf
- 基于計算機視覺技術(shù)的蝴蝶自動識別研究.pdf
- 基于顏色和紋理特征的計算機自動拼圖研究.pdf
- 基于葉片形狀特征的植物識別技術(shù)研究.pdf
- 計算機指紋自動識別技術(shù).pdf
- 印鑒圖像的計算機自動識別算法研究.pdf
- 人臉圖象的計算機自動識別研究.pdf
- 基于圖像的計算機物體識別研究.pdf
- 濕地植物種間作用模型及計算機模擬分析.pdf
- 基于計算機視覺的油菜生長過程自動識別研究.pdf
- 基于計算機視覺的手勢識別.pdf
- 觀賞植物種類
- 基于計算機視覺的蠶蛹性別自動識別系統(tǒng)研究.pdf
- 基于紋理的計算機筆跡識別算法研究.pdf
- 基于紋理和顏色特征的植物葉片識別方法研究.pdf
- 基于計算機圖像處理的白細(xì)胞自動識別系統(tǒng).pdf
評論
0/150
提交評論