樹木在凈化空氣、保護(hù)環(huán)境方面扮演著非常重要的角色,很多樹木還具有不可替代的藥用價(jià)值,不同種類的樹木使用價(jià)值各異,當(dāng)前樹木被嚴(yán)重破壞,樹木種類正逐漸減少。樹木分類對(duì)于保護(hù)樹木種類、保護(hù)植物多樣性具有非常重要的意義。目前針對(duì)樹木種類分類的研究方法存在樹種識(shí)別單一、識(shí)別效率低等問題,本文提出一種基于Haar小波結(jié)合SVM（支持向量機(jī)）理論的樹種識(shí)別方法,經(jīng)研究發(fā)現(xiàn)此方法可以有效識(shí)別樹木種類。研究之初進(jìn)行樹木葉片樣本采集工作,采集了南北方地區(qū)的典型樹種的樹木葉片,對(duì)其進(jìn)行基本的去塵除灰處理,然后通過自制圖像采集系統(tǒng)、掃描儀掃描及自然光下手機(jī)拍攝三種方式獲取樹木葉片圖像,對(duì)通過三種方式獲取的樹木葉片圖像分別命名為透射圖像、掃描圖像及自然圖像。然后利用Photoshop軟件對(duì)樹木葉片圖像進(jìn)行去除葉柄和嘈雜背景操作,選用中值濾波對(duì)樹木葉片圖像進(jìn)行去噪處理,提取處理后圖像中樹木葉片的幾何特征,包括縱橫軸比、形狀參數(shù)、復(fù)雜度、矩形度,利用Haar小波對(duì)樹木葉片圖像進(jìn)行分解,提取其熵、能量、均值等紋理特征值。在特征提取的基礎(chǔ)上,構(gòu)建了兩種分類器識(shí)別模型,即SVM（支持向量機(jī)）和BP神經(jīng)網(wǎng)絡(luò),最終識(shí)別結(jié)果表... 

【文章來源】：東北林業(yè)大學(xué)黑龍江省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：40 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究目的及意義
    1.2 國(guó)內(nèi)國(guó)外研究現(xiàn)狀
    1.3 本論文的研究?jī)?nèi)容
2 樹木葉片圖像的獲取
    2.1 樹木葉片樣本采集
    2.2 樹木葉片圖像獲取
    2.3 本章小結(jié)
3 樹木葉片圖像處理
    3.1 樹木葉片圖像葉片部分與背景分離
    3.2 樹木葉片圖像去噪
        3.2.1 圖像噪聲
        3.2.2 樹木葉片中值濾波處理
    3.3 樹木葉片圖像葉片區(qū)域提取
    3.4 本章小結(jié)
4 樹木葉片圖像特征提取
    4.1 樹木葉片圖像幾何特征提取
    4.2 樹木葉片圖像紋理特征提取
        4.2.1 Haar小波變換
        4.2.2 基于Haar小波樹木葉片紋理特征提取
    4.3 本章小結(jié)
5 基于支持向量機(jī)的樹木葉片圖像識(shí)別
    5.1 支持向量機(jī)
        5.1.1 最優(yōu)分類超平面
        5.1.2 核函數(shù)
        5.1.3 SVM識(shí)別樹木葉片圖像結(jié)果
    5.2 人工神經(jīng)網(wǎng)絡(luò)
        5.2.1 神經(jīng)元
        5.2.2 BP神經(jīng)網(wǎng)絡(luò)
    5.3 實(shí)驗(yàn)結(jié)果對(duì)比分析
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于葉片形狀特征的植物識(shí)別方法[J]. 劉驥,曹鳳蓮,甘林昊.  計(jì)算機(jī)應(yīng)用. 2016(S2)
[2]基于多特征融合和深度信念網(wǎng)絡(luò)的植物葉片識(shí)別[J]. 劉念,闞江明.  北京林業(yè)大學(xué)學(xué)報(bào). 2016(03)
[3]基于集成神經(jīng)網(wǎng)絡(luò)的植物葉片識(shí)別方法[J]. 恩德,忽勝?gòu)?qiáng).  浙江農(nóng)業(yè)學(xué)報(bào). 2015(12)
[4]基于葉片圖像多特征融合的觀葉植物種類識(shí)別[J]. 王麗君,淮永建,彭月橙.  北京林業(yè)大學(xué)學(xué)報(bào). 2015(01)
[5]基于CENTRIST的植物葉片識(shí)別研究與實(shí)現(xiàn)[J]. 王艷菲,朱俊平,蔡騁.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(11)
[6]人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及應(yīng)用[J]. 毛健,趙紅東,姚婧婧.  電子設(shè)計(jì)工程. 2011(24)
[7]支持向量機(jī)理論與算法研究綜述[J]. 丁世飛,齊丙娟,譚紅艷.  電子科技大學(xué)學(xué)報(bào). 2011(01)
[8]傳感器非線性校正的遺傳支持向量機(jī)方法[J]. 劉濤,王華.  電子測(cè)量與儀器學(xué)報(bào). 2011(01)
[9]基于分形特征的植物識(shí)別[J]. 楊輝軍,陳立偉.  計(jì)算機(jī)工程與設(shè)計(jì). 2010(24)
[10]基于葉片圖像的植物識(shí)別方法[J]. 闞江明,王怡萱,楊曉微,冷萃.  科技導(dǎo)報(bào). 2010(23)

碩士論文
[1]基于電子鼻/舌的啤酒檢測(cè)研究[D]. 張曉婷.東北電力大學(xué) 2016
[2]基于葉片形狀的植物特征提取方法的設(shè)計(jì)與實(shí)現(xiàn)[D]. 李敬濤.中國(guó)科學(xué)院大學(xué)（工程管理與信息技術(shù)學(xué)院） 2014
[3]基于圖像分析的植物葉片識(shí)別算法研究[D]. 張寧.北京林業(yè)大學(xué) 2013
[4]基于支持向量機(jī)與神經(jīng)網(wǎng)絡(luò)的圖像分類技術(shù)研究[D]. 王侖武.哈爾濱工業(yè)大學(xué) 2009



本文編號(hào)：3117904