基于降维LBP与叶片形状特征的植物叶片识别方法
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-12页 |
| 1.1 研究背景和意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 论文结构安排 | 第10-12页 |
| 第2章 植物叶片识别流程设计 | 第12-15页 |
| 2.1 植物叶片识别总体框架 | 第12页 |
| 2.2 植物叶片识别设计内容 | 第12-14页 |
| 2.3 本章小结 | 第14-15页 |
| 第3章 叶片图片预处理 | 第15-22页 |
| 3.1 灰度化处理 | 第15-16页 |
| 3.2 尺寸归一化 | 第16-18页 |
| 3.3 图像分割 | 第18-19页 |
| 3.4 图像轮廓提取 | 第19-21页 |
| 3.5 本章小结 | 第21-22页 |
| 第4章 叶片特征提取 | 第22-33页 |
| 4.1 叶片纹理特征 | 第22-29页 |
| 4.1.1 基本LBP算子概述 | 第23-25页 |
| 4.1.2 LBP等价模式 | 第25-26页 |
| 4.1.3 LBP的特点 | 第26-27页 |
| 4.1.4 叶片LBP特征 | 第27-28页 |
| 4.1.5 降维LBP特征 | 第28-29页 |
| 4.2 叶片形状特征 | 第29-32页 |
| 4.2.1 叶片形状参数的计算 | 第30-31页 |
| 4.2.2 叶片几何描述特征的计算 | 第31-32页 |
| 4.3 本章小结 | 第32-33页 |
| 第5章 植物叶片识别的设计与实现 | 第33-47页 |
| 5.1 常用的分类器介绍 | 第33-39页 |
| 5.1.1 K近邻分类器 | 第33-34页 |
| 5.1.2 BP神经网络 | 第34-37页 |
| 5.1.3 支持向量机 | 第37-39页 |
| 5.2 LBP不同特征分块的实验结果比较 | 第39-40页 |
| 5.3 不同特征的实验结果比较 | 第40-42页 |
| 5.4 不同分类器的实验结果比较 | 第42-43页 |
| 5.5 系统实现与测试 | 第43-46页 |
| 5.5.1 单个叶片识别 | 第43-44页 |
| 5.5.2 批量叶片识别 | 第44-46页 |
| 5.6 本章小结 | 第46-47页 |
| 第6章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47页 |
| 6.2 展望 | 第47-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附录 | 第53-54页 |
