基于叶片特征的植物种类识别研究及识别系统实现

摘要

植物的识别分类是保护与研究植物的基础。随着信息科学技术的迅猛发展，图像处理与模式识别等技术在各个领域得到了广泛的应用。近年来，随着移动终端摄影技术的发展以及移动互联的推动，人们对植物认知的兴趣在逐步增强，这也为“植物种类识别”方向的APP开发提供了一种机遇。　　本文以植物叶片图像为研究对象，首先对植物叶片图像进行预处理，依次提取了叶片的纹理特征、形状特征，提出了AdaboostLDA分类算法，并利用该算法对植物叶片进行识别分类，然后在基于Android平台的移动客户端上完成了植物种类识别APP的开发。论文的主要工作如下：　　（1）为了最大限度获取叶片图像上有用的信息，本文对叶片图像分别进行标准化处理、灰度化处理、图像二值化处理、形态学处理、图像锐化处理等一系列过程。　　（2）在综合研究了植物叶片图像的特征信息后，本文提取了叶片的周长、面积、直径等5个基本的几何特征，并进一步提取了纵横比、形状系数以及纹理特征等12个数字形态学特征，然后用PCA对特征进行了降维处理。　　（3）提出了一种分类算法-AdaboostLDA算法，该算法将 LDA算法作为弱学习算法，利用Adaboost框架来提升LDA算法的性能。AdaboostLDA算法具有训练速度快、分类精度高的优点，相较于BP神经网络，在相近的分类精度基础上具有更快的训练速度。　　（4）实现了植物种类识别系统，利用MATLAB GUI建立了一套植物种类识别系统，并实现了基于Android平台的C/S架构植物种类识别系统，将科研成果转换为实际可用的APP。

目录

封面

声明

中文摘要

英文摘要

目录

1 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.3 主要研究内容及章节安排

2 植物叶片图像预处理

2.1 植物种类识别流程

2.2 图像归一化处理

2.3 灰度化处理

2.4 二值化处理

2.5 形态学处理

2.6 图像的锐化

2.7 本章小结

3 植物叶片图像特征提取及选择

3.1 常用的图像特征

3.2 叶片的几何参数

3.3 叶片的形状特征

3.4 叶片的纹理特征

3.5 特征选择

3.6 本章小结

4 植物叶片模式识别

4.1 基于BP的叶片识别

4.2 基于ELM的叶片识别

4.3 基于Adaboost的LDA叶片识别

4.4 仿真实验结果及分析

4.5 系统仿真平台建立

4.6 本章小结

5 基于Android平台的植物种类识别系统实现

5.1 软硬件平台

5.2 系统结构

5.3 用户界面

5.4 本章小结

6 总结与展望

参考文献

致谢

个人简历、在校期间参与项目