基于叶片特征的植物种类识别研究及识别系统实现
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 主要研究内容及章节安排 | 第14-15页 |
| 2 植物叶片图像预处理 | 第15-24页 |
| 2.1 植物种类识别流程 | 第15-16页 |
| 2.2 图像归一化处理 | 第16页 |
| 2.3 灰度化处理 | 第16-19页 |
| 2.3.1 图像的灰度化 | 第16-17页 |
| 2.3.2 灰度直方图 | 第17-19页 |
| 2.4 二值化处理 | 第19-20页 |
| 2.5 形态学处理 | 第20-21页 |
| 2.6 图像的锐化 | 第21-23页 |
| 2.7 本章小结 | 第23-24页 |
| 3 植物叶片图像特征提取及选择 | 第24-40页 |
| 3.1 常用的图像特征 | 第24-26页 |
| 3.2 叶片的几何参数 | 第26-30页 |
| 3.2.1 获取叶片轮廓 | 第26-28页 |
| 3.2.2 叶片的周长 | 第28页 |
| 3.2.3 叶片的面积 | 第28-29页 |
| 3.2.4 叶片的其他几何参数 | 第29-30页 |
| 3.3 叶片的形状特征 | 第30-34页 |
| 3.4 叶片的纹理特征 | 第34-36页 |
| 3.5 特征选择 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 4 植物叶片模式识别 | 第40-54页 |
| 4.1 基于BP的叶片识别 | 第40-43页 |
| 4.2 基于ELM的叶片识别 | 第43-44页 |
| 4.3 基于Adaboost的LDA叶片识别 | 第44-47页 |
| 4.3.1 线性判别分析 | 第44-45页 |
| 4.3.2 Adaboost算法 | 第45-46页 |
| 4.3.3 AdaboostLDA算法提出 | 第46-47页 |
| 4.4 仿真实验结果及分析 | 第47-49页 |
| 4.4.1 实验样本库 | 第47页 |
| 4.4.2 实验测试与结果分析 | 第47-49页 |
| 4.5 系统仿真平台建立 | 第49-53页 |
| 4.5.1 系统实现环境 | 第50页 |
| 4.5.2 MATLAB GUI简述 | 第50-51页 |
| 4.5.3 建立仿真平台 | 第51-53页 |
| 4.6 本章小结 | 第53-54页 |
| 5 基于Android平台的植物种类识别系统实现 | 第54-64页 |
| 5.1 软硬件平台 | 第54-56页 |
| 5.1.1 软件平台 | 第54-56页 |
| 5.1.2 硬件平台 | 第56页 |
| 5.2 系统结构 | 第56-60页 |
| 5.2.1 采集模块 | 第56-57页 |
| 5.2.2 上传模块 | 第57-58页 |
| 5.2.3 识别模块 | 第58-59页 |
| 5.2.4 数据查询模块 | 第59-60页 |
| 5.3 用户界面 | 第60-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 个人简历、在校期间参与项目 | 第69页 |
