基于植物叶形状和叶脉的植物叶自动分类研究

发布时间：2017-11-15 07:32

  本文关键词：基于植物叶形状和叶脉的植物叶自动分类研究

  更多相关文章： 植物叶图像 图像预处理 再次分类 特征向量 支持向量机

【摘要】：结合图像处理、模式识别等技术辅助进行植物叶分类识别已经比较成熟。但目前常用的分类方法单一,分类特征单一,分类过分依赖于人。本文通过提取植物叶片的形状特征和叶脉特征对叶片数据库中的210种叶片进行自动分类研究。论文的主要工作如下,第一部分,介绍了研究课题的研究意义以及国内外研究现状。为体现整个分类的过程是自动分类,在叶片图像预处理过程中,叶柄的剔除采用形态学处理方法。对叶图像进行灰度化、二值化、形态学处理等的预处理步骤,为特征提取做好准备工作。第二部分,植物叶图像的形状特征和纹理特征的提取与分析。提取出预处理后的叶图像的轮廓和最小外接矩形,计算出本文需要的形状特征,如矩形度、延伸率、等效圆半径、似圆率、椭圆率、离心率和7项Hu不变矩;再计算灰度化后的叶图像的灰度共生矩阵,通过灰度共生矩阵计算得到植物叶图像的能量、熵、惯性矩和相关等纹理参数,进而计算出纹理特征。最后,通过实验分析形状特征和纹理特征的各特征分类能力的强弱分析及有效性。第三部分,提取并分析本文提出的叶图像的叶脉特征。使用改进的Sobel算子检测出8方向边缘(叶脉),融合8个方向的叶脉图像得到完整的叶脉图像;再对叶脉图像进行两次去噪等的图像预处理过程;最后,提取出本文提出的新叶脉特征,如叶脉端点、分叉点,计算各点到中心点(叶脉曲率最大点)的距离获得叶脉特征。最后,通过实验分析叶脉特征的有效性及强弱性。第四部分,通过实验比较支持向量机和BP神经网络的分类效果,分析实验结果,选定本文的分类器-支持向量机。然后使用支持向量机分类器训练学习训练样本中叶片的形状特征和纹理特征,使用得到的分类函数对测试样本进行初次分类,其正确率为91%;再使用形状特征、纹理特征和叶脉特征通过支持向量机对初次分类中未正确分出类的叶片种类进行训练学习,对未正确分类的测试样本进行再次分类。经再次分类后的分类正确率为96.1%。
【学位授予单位】：浙江理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41

【相似文献】

中国期刊全文数据库 前10条

1 王洪君,任秀丽;基于对象形状特征的图象检索[J];松辽学刊(自然科学版);2001年03期

2 高飞;形状特征的表示[J];计算机辅助工程;1995年02期

3 王春河,张铁昌;面向集成化的形状特征分类与表示[J];航空学报;1996年02期

4 王春河,周济,张新访,张铁昌;凸起形状特征在集成过程中的处理技术[J];计算机辅助设计与图形学学报;1996年04期

5 张炜,杜晓荣,张蕊;形状特征的显示表达框架的构造[J];微机发展;1998年06期

6 贺双拾;辛玉林;倪友平;陈曾平;;基于灰度图形状特征的低分辨雷达架次判别[J];雷达科学与技术;2008年01期

7 廖凯宁;李志强;孙静;;基于形状特征描述算子的3D模型检索[J];计算机工程;2010年12期

8 高飞，，叶尚辉;形状特征的定义[J];计算机辅助工程;1994年01期

9 曹尚稳;两类形状特征的语义差及其操作互换性[J];系统工程与电子技术;1999年07期

10 赵书莲;宿晓华;;基于概念的形状分类与识别[J];电脑知识与技术;2009年06期

中国重要会议论文全文数据库 前6条

1 张世学;吴恩华;;基于形状特征与变形保持的动态模型简化[A];中国计算机图形学进展2008--第七届中国计算机图形学大会论文集[C];2008年

2 高剂斌;李裕梅;;基于复杂网络的图像形状特征提取及多特征融合方案探究[A];中国系统工程学会第十八届学术年会论文集——A12系统科学与系统工程理论在各个领域中的应用研究[C];2014年

3 胡帆;廖斌;薛巧平;;基于轮廓的形状特征提取方法[A];2011年通信与信息技术新进展——第八届中国通信学会学术年会论文集[C];2011年

4 路阳;董宏丽;;基于MATLAB实现水稻颗粒图像形状特征分析[A];黑龙江省计算机学会2007年学术交流年会论文集[C];2007年

5 李连;朱爱红;;基于形状的图像检索技术研究[A];’2004计算机应用技术交流会议论文集[C];2004年

6 甘俊英;赵向阳;张有为;;视觉语言特征—灰度轮廓权向量差分形状特征[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年

中国重要报纸全文数据库 前2条

1 程春;画面清新自然 寓意美好吉祥[N];中国集邮报;2014年

2 党耀武;给你一双“慧眼”　判读高空侦察照片[N];中国国防报;2002年

中国博士学位论文全文数据库 前10条

1 赵伟;自由形状特征的重用与抑制[D];浙江大学;2008年

2 王青;反求工程中基于变形的自由形状特征重构[D];浙江大学;2006年

3 陈飞;基于形状先验的同时分割与识别研究[D];浙江大学;2013年

4 柴伦绍;具有形变鲁棒性的形状特征研究及其在检索中的应用[D];北京邮电大学;2014年

5 桂江生;二维水果形状检测与分类算法研究[D];浙江大学;2007年

6 贾棋;形状不变特征提取及应用研究[D];大连理工大学;2014年

7 罗磊;形状分解和基于机器学习的图像检索技术研究[D];国防科学技术大学;2013年

8 王军伟;融合全局与局部信息的形状轮廓特征分析与匹配[D];华中科技大学;2012年

9 陈国栋;面向机器人的物体形状及姿态识别研究[D];哈尔滨工业大学;2011年

10 王淳;形状的部分结构解析和识别[D];华中科技大学;2014年

中国硕士学位论文全文数据库 前10条

1 王松鹤;2D形状中分支结构的检测[D];大连海事大学;2015年

2 周斌;基于图像形状特征量的计算机辅助肝硬化检测研究[D];广西大学;2015年

3 张倩;基于支持向量机的多特征交通标志识别的研究与实现[D];东北大学;2014年

4 李龙卓;基于形状特征的图像检索技术研究[D];青岛科技大学;2015年

5 江静宇;非刚体三维残缺模型的形状分类算法研究[D];北京交通大学;2016年

6 王璐;三维耳廓点云形状特征提取及匹配[D];辽宁师范大学;2015年

7 刘春爽;基于植物叶形状和叶脉的植物叶自动分类研究[D];浙江理工大学;2016年

8 顾华;基于形状特征的人脸分类研究[D];清华大学;2004年

9 李国琳;傅立叶描绘子对形状进行识别与检索[D];吉林大学;2005年

10 陈孝春;二维形状的描述和识别的研究[D];浙江大学;2006年

本文编号：1188910