基于小波变换及SVM理论的树木种类识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究目的及意义 | 第7-8页 |
| 1.2 国内国外研究现状 | 第8-9页 |
| 1.3 本论文的研究内容 | 第9-11页 |
| 2 树木叶片图像的获取 | 第11-15页 |
| 2.1 树木叶片样本采集 | 第11页 |
| 2.2 树木叶片图像获取 | 第11-14页 |
| 2.3 本章小结 | 第14-15页 |
| 3 树木叶片图像处理 | 第15-20页 |
| 3.1 树木叶片图像叶片部分与背景分离 | 第15-16页 |
| 3.2 树木叶片图像去噪 | 第16-17页 |
| 3.2.1 图像噪声 | 第16页 |
| 3.2.2 树木叶片中值滤波处理 | 第16-17页 |
| 3.3 树木叶片图像叶片区域提取 | 第17-19页 |
| 3.4 本章小结 | 第19-20页 |
| 4 树木叶片图像特征提取 | 第20-27页 |
| 4.1 树木叶片图像几何特征提取 | 第20-22页 |
| 4.2 树木叶片图像纹理特征提取 | 第22-26页 |
| 4.2.1 Haar小波变换 | 第22-23页 |
| 4.2.2 基于Haar小波树木叶片纹理特征提取 | 第23-26页 |
| 4.3 本章小结 | 第26-27页 |
| 5 基于支持向量机的树木叶片图像识别 | 第27-34页 |
| 5.1 支持向量机 | 第27-31页 |
| 5.1.1 最优分类超平面 | 第27-29页 |
| 5.1.2 核函数 | 第29页 |
| 5.1.3 SVM识别树木叶片图像结果 | 第29-31页 |
| 5.2 人工神经网络 | 第31-33页 |
| 5.2.1 神经元 | 第31页 |
| 5.2.2 BP神经网络 | 第31-33页 |
| 5.3 实验结果对比分析 | 第33页 |
| 5.4 本章小结 | 第33-34页 |
| 结论 | 第34-35页 |
| 参考文献 | 第35-38页 |
| 攻读学位期间发表的学术论文 | 第38-39页 |
| 致谢 | 第39-40页 |
