基于小波变换及SVM理论的树木种类识别研究

摘要

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，最终识别结果表明，SVM（支持向量机）模型在树木种类识别研究上与BP神经网络模型相比具有明显优势，识别速度更快，识别结果准确率更高，满足了树种识别工作对效率的要求，本文提出的识别分类方法切实可行。

目录

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

3.3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

4.3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

5.2人工神经网络

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

声明