基于小波变换及SVM理论的树木种类识别研究

发布时间：2021-04-04 06:30

　　树木在净化空气、保护环境方面扮演着非常重要的角色,很多树木还具有不可替代的药用价值,不同种类的树木使用价值各异,当前树木被严重破坏,树木种类正逐渐减少。树木分类对于保护树木种类、保护植物多样性具有非常重要的意义。目前针对树木种类分类的研究方法存在树种识别单一、识别效率低等问题,本文提出一种基于Haar小波结合SVM（支持向量机）理论的树种识别方法,经研究发现此方法可以有效识别树木种类。研究之初进行树木叶片样本采集工作,采集了南北方地区的典型树种的树木叶片,对其进行基本的去尘除灰处理,然后通过自制图像采集系统、扫描仪扫描及自然光下手机拍摄三种方式获取树木叶片图像,对通过三种方式获取的树木叶片图像分别命名为透射图像、扫描图像及自然图像。然后利用Photoshop软件对树木叶片图像进行去除叶柄和嘈杂背景操作,选用中值滤波对树木叶片图像进行去噪处理,提取处理后图像中树木叶片的几何特征,包括纵横轴比、形状参数、复杂度、矩形度,利用Haar小波对树木叶片图像进行分解,提取其熵、能量、均值等纹理特征值。在特征提取的基础上,构建了两种分类器识别模型,即SVM（支持向量机）和BP神经网络,最终识别结果表... 

【文章来源】：东北林业大学黑龙江省 211工程院校 教育部直属院校

【文章页数】：40 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究目的及意义
    1.2 国内国外研究现状
    1.3 本论文的研究内容
2 树木叶片图像的获取
    2.1 树木叶片样本采集
    2.2 树木叶片图像获取
    2.3 本章小结
3 树木叶片图像处理
    3.1 树木叶片图像叶片部分与背景分离
    3.2 树木叶片图像去噪
        3.2.1 图像噪声
        3.2.2 树木叶片中值滤波处理
    3.3 树木叶片图像叶片区域提取
    3.4 本章小结
4 树木叶片图像特征提取
    4.1 树木叶片图像几何特征提取
    4.2 树木叶片图像纹理特征提取
        4.2.1 Haar小波变换
        4.2.2 基于Haar小波树木叶片纹理特征提取
    4.3 本章小结
5 基于支持向量机的树木叶片图像识别
    5.1 支持向量机
        5.1.1 最优分类超平面
        5.1.2 核函数
        5.1.3 SVM识别树木叶片图像结果
    5.2 人工神经网络
        5.2.1 神经元
        5.2.2 BP神经网络
    5.3 实验结果对比分析
    5.4 本章小结
结论
参考文献
攻读学位期间发表的学术论文
致谢


【参考文献】：
期刊论文
[1]基于叶片形状特征的植物识别方法[J]. 刘骥,曹凤莲,甘林昊.  计算机应用. 2016(S2)
[2]基于多特征融合和深度信念网络的植物叶片识别[J]. 刘念,阚江明.  北京林业大学学报. 2016(03)
[3]基于集成神经网络的植物叶片识别方法[J]. 恩德,忽胜强.  浙江农业学报. 2015(12)
[4]基于叶片图像多特征融合的观叶植物种类识别[J]. 王丽君,淮永建,彭月橙.  北京林业大学学报. 2015(01)
[5]基于CENTRIST的植物叶片识别研究与实现[J]. 王艳菲,朱俊平,蔡骋.  计算机工程与设计. 2012(11)
[6]人工神经网络的发展及应用[J]. 毛健,赵红东,姚婧婧.  电子设计工程. 2011(24)
[7]支持向量机理论与算法研究综述[J]. 丁世飞,齐丙娟,谭红艳.  电子科技大学学报. 2011(01)
[8]传感器非线性校正的遗传支持向量机方法[J]. 刘涛,王华.  电子测量与仪器学报. 2011(01)
[9]基于分形特征的植物识别[J]. 杨辉军,陈立伟.  计算机工程与设计. 2010(24)
[10]基于叶片图像的植物识别方法[J]. 阚江明,王怡萱,杨晓微,冷萃.  科技导报. 2010(23)

硕士论文
[1]基于电子鼻/舌的啤酒检测研究[D]. 张晓婷.东北电力大学 2016
[2]基于叶片形状的植物特征提取方法的设计与实现[D]. 李敬涛.中国科学院大学（工程管理与信息技术学院） 2014
[3]基于图像分析的植物叶片识别算法研究[D]. 张宁.北京林业大学 2013
[4]基于支持向量机与神经网络的图像分类技术研究[D]. 王仑武.哈尔滨工业大学 2009



本文编号：3117904