基于数字图像处理的树叶识别论文---黄金版要点.pdf
《基于数字图像处理的树叶识别论文---黄金版要点.pdf》由会员分享,可在线阅读,更多相关《基于数字图像处理的树叶识别论文---黄金版要点.pdf(19页珍藏版)》请在三一文库上搜索。
1、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
2、 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 1 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
3、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 2 Recognition System of Leaf Images Based on Neurona
4、l Network Cao Wenjun Director:Lv Jun(Assistant ) (School of MechanicalElectrical 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
5、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 comp
6、uter image processing technologys 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
7、 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 3 1.1选题背景及意义 大千世界
8、, 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
9、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
10、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
11、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。 4 1.2.2 神经网络的研究进展 人工神经网络,简称 ANN ,它是由很多神经元相互连接而组成的一个信息处理 系统。何术 7 学者提出了目前较常用的自组织映射神经网络(SOM神经网络 )的方法, 通过
12、提取树叶形状特征值作为神经网络的输入,在输出端形成不同的输出值与此类别 相对应,从而得到分类结果。陈涓 8 学者提出了基于小生境技术的神经网络进化集成 方法,通过个体间相似程度的共享函数来调整网络的适应度,从而使神经网络集成系 统的泛化能力得到大幅度改善。朱晓峰 9 学者提出了基于神经网络的出版业量化分析 模型,对出版业的实际数据进行了实验,结果显示该方法是可行的。Kohonen 10 教授 提出了映射具有拓扑结构的自组织映射模型,通过在计算机上进行实验, 证明得出的 学习效果非常显著。 Hopfield 11 对神经网络介绍了能量函数的概念,提出了神经网络 的平衡稳定状态的判别方法,实现了优
13、化计算途径。 1.3 论文的主要内容与组织结构 1.3.1 论文的主要内容 该课题在参考理论基础上,利用MATLAB语言实现树叶图像的去噪、分割、边 缘检测等操作, 再进行特征提取, 最后借助训练集特征建立神经网络分类器,并以测 试集验证分类器模型的性能。 1.3.2 组织结构 1 引言 介绍了选题背景、意义、国内外研究进展、论文内容与组织结构。 2 树叶图像预处理 首先阐述了基于神经网络的树叶识别流程图,然后详细介绍了有关图像采集、 裁 剪、去噪、边缘提取等操作的理论、程序及效果图。 3 树叶图像特征提取 介绍了选取的特征参数,然后陈列出几个所选取的样本的特征值。 4 基于神经网络的树叶识别
14、 首先介绍了神经网络, 然后介绍了基于神经网络的树叶识别的实现,最后对树叶 识别结果进行分析。 5 总结与展望 总结论文的主要工作以及展望论文的不足。 2 树叶图像预处理 2.1 图像采集 采集 4 种共计 80片原始树叶,其中桂花20片,桔树叶 20 片,枫树叶 20 片,夹 竹桃 20片。 5 图 2-1 桂花叶图 2-2 桔树叶 图 2-3 枫树叶图 2-4 夹竹桃 2.2 图像裁剪 用 ACDSee 工具对采集的图像进行截取,统一截取图像长宽为600 600 像素。 其裁剪过程为: 第一步:用 ACDSee 打开采集的图片,鼠标右击,进入编辑界面: 图 2-5 编辑图 第二步:调整宽度
15、和高度为600 600 像素,移动十字光标为最佳位置: 6 图 2-6 裁剪图 第三步:点击完成,如图2-7: 图 2-7 处理后图 2.3 图像平滑 图像在处理过程中, 常常会受到各种外部因素的影响,使得获取的图像一般都含 有噪声,而去噪平滑技术可以平滑图像中的噪声。 图像平滑主要是消除或减少噪声以改善图像质量,一般采用均值滤波法和中值滤 波法来进行图像去噪。 均值滤波是用模板内的全体像素点的均值或加权均值来代替原始值;其数学公式 如 2-1: 设,f i j 是含有噪声的图像,,g i j 是经过理后的图像, ,/, ,g i jf i jNi jM (2-1) 其中 M 是邻域内各邻近像
16、素的坐标值,N 是邻域中临近像素的个数。 对于均值滤波法,在实际应用中,常用的模板尺寸有3 3、5 5 等。 7 中值滤波可以表示为一个序列模板内的所有像素点按某种规则排序,再选取中间 值作为其使用值。设一个序列 12 , n fff,, 取其长度为 m(m 为奇数 ), 数学公式表示 为 2-2: 11 ,v1 / 2 iiviiiv YMedffffiNm, (2-2) i Y 称为序列 1 , i viiiv ffff的中值。 Matlab 实现为: I=imread(桂花叶 .jpg); J=rgb2gray(I); K=imnoise(J,gaussian,0.02); %加入高斯噪
17、声 K1=filter2(fspecial(average,3),K)/255; %进行 3 3 均值滤波 K2=filter2(fspecial(average,5),K)/255; %进行 5 5 均值滤波 L1=medfilt2(K,3,3); %加入 3 3 中值滤波 L2=medfilt2(K,5,5); %加入 5 5 中值滤波 subplot(231),imshow(K),title(加噪); subplot(232),imshow(K1),title(3*3 均值滤波 ); subplot(233),imshow(K2),title(5*5 均值滤波 ); subplot(23
18、4),imshow(L1),title(3*3 中值滤波 ); subplot(235),imshow(L2),title(5*5 中值滤波 ); 图 2-8 去噪效果图 两种滤波方法各有特点。相较来说,均值滤波去噪效果不如中值滤波。中值滤波 对图像的细节保存相对更好些, 而且能够在去除噪声的同时可以很好的保持图像的边 缘。另外,去噪结果与模板大小选择是相关的,模板越大处理后的图像相对模糊,图 像边缘损失也比较多,进而带来不利影响。模板太小去噪效果也不是很好。综上,本 文采用 5 5 模板的中值滤波方法。 8 2.4 图像分割 从图像采集到图像分析必然要进行图像分割,图像分割是把图像分成若干个
19、特定 区域。它是图像进行预处理的关键一步,分割不好图像分析便加大了难度。而现有的 图像分割方法主要包括:理论分割、边缘分割、区域分割以及阈值分割等 12。 2.4.1 最大类间方差法 本文拟采用基于阈值的分割方法 (最大类间方差法)。 该方法求图像最佳阀值g 的 公式如公式 2-3: 22 0011 01 0 0 0 1 1 1 0011 arg( )( )( )( ) ( ) ( ) ( ) ( ) ( ) ( ) ( )( )( )( ) max tL i t ti L gwtutuw tu tu ip i ut wt ip i u t w t uwt utw t u t (2-3) 式中
20、: ( )p i:灰度值为i的频率; 0( ) w t :目标部分比例; 1( ) w t :背景部分比例; 0( ) u t :目标均值; 1( ) u t :背景均值; u: 总均值。 2.4.2 matlab实现及效果图 I=imread(桂花叶 .jpg); axis(0,600,0,600); grid on; %显示网络线 axis on; %显示坐标系 level=graythresh(I); %确定灰度阈值 BW=im2bw(I,level); BW1=BW; subplot(121),imshow(I);title(原图); subplot(122),imshow(BW1);
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 数字图像 处理 树叶 识别 论文 黄金版 要点
链接地址:https://www.31doc.com/p-5207642.html