论文部分内容阅读
叶片是植物最基本、最重要的生命活动场所,直接反映植物的种类和植物的生长状态,对植物叶片特征的提取与识别不仅可区分植物的种类,探索植物间的亲缘关系和阐明植物的进化规律,也可对植物的生长状态进行实时监测。随着计算机图像处理技术的发展,基于计算机图像处理技术的识别和分类将成为植物叶片识别和分类的主要手段;而植物叶片的特征是植物的主要特征之一,因此研究植物叶片图像特征提取和识别具有重要的应用价值。本研究主要探讨植物叶片叶形和叶脉信息的提取,以及基于这些信息的叶片识别系统的设计与实现。论文主要包括以下几方面的内容:
1、叶片图像的获取和预处理。本文选用扫描仪获取叶片图像,并对获取的图像进行灰度化、滤波、二值化、分离叶柄和提取叶片轮廓等预处理,为后续特征提取和叶片识别奠定基础。
2、植物叶片的叶形特征提取。探讨叶片最小外接矩形长宽比、边缘曲率、矩形度、圆形度、叶缘锯齿数和不变矩等基本特征的提取。
3、基于改进Canny算子的植物叶片叶脉提取。首先利用中值滤波滤除叶片图像的随机噪声,然后对叶片梯度图进行非极大值抑制,最后利用改进的Otsu算法自动获取双阈值,利用获得的双阈值去除假边缘并将实际边缘连接形成叶片的叶脉。结果表明:该算法的叶脉错分率较小。
4、基于BP神经网络(Back-Propagation Neural Network)的叶片识别系统的设计。利用树叶最小外接矩形长宽比、矩形度、圆形度和7个不变矩共同作为神经网络的输入,再设置合适的初值,经过训练后便可实现叶片的识别。其识别率可以达到96%。