基于植物葉形狀和葉脈的植物葉自動分類研究.pdf

1、結(jié)合圖像處理、模式識別等技術(shù)輔助進(jìn)行植物葉分類識別已經(jīng)比較成熟。但目前常用的分類方法單一，分類特征單一，分類過分依賴于人。本文通過提取植物葉片的形狀特征和葉脈特征對葉片數(shù)據(jù)庫中的210種葉片進(jìn)行自動分類研究。論文的主要工作如下，
　　第一部分，介紹了研究課題的研究意義以及國內(nèi)外研究現(xiàn)狀。為體現(xiàn)整個分類的過程是自動分類，在葉片圖像預(yù)處理過程中，葉柄的剔除采用形態(tài)學(xué)處理方法。對葉圖像進(jìn)行灰度化、二值化、形態(tài)學(xué)處理等的預(yù)處理步驟,為特征

2、提取做好準(zhǔn)備工作。
　　第二部分，植物葉圖像的形狀特征和紋理特征的提取與分析。提取出預(yù)處理后的葉圖像的輪廓和最小外接矩形，計算出本文需要的形狀特征，如矩形度、延伸率、等效圓半徑、似圓率、橢圓率、離心率和7項Hu不變矩；再計算灰度化后的葉圖像的灰度共生矩陣，通過灰度共生矩陣計算得到植物葉圖像的能量、熵、慣性矩和相關(guān)等紋理參數(shù)，進(jìn)而計算出紋理特征。最后，通過實驗分析形狀特征和紋理特征的各特征分類能力的強(qiáng)弱分析及有效性。
　　第三

3、部分，提取并分析本文提出的葉圖像的葉脈特征。使用改進(jìn)的Sobel算子檢測出8方向邊緣(葉脈)，融合8個方向的葉脈圖像得到完整的葉脈圖像；再對葉脈圖像進(jìn)行兩次去噪等的圖像預(yù)處理過程；最后，提取出本文提出的新葉脈特征，如葉脈端點、分叉點，計算各點到中心點(葉脈曲率最大點)的距離獲得葉脈特征。最后，通過實驗分析葉脈特征的有效性及強(qiáng)弱性。
　　第四部分，通過實驗比較支持向量機(jī)和BP神經(jīng)網(wǎng)絡(luò)的分類效果，分析實驗結(jié)果，選定本文的分類器-支持向