基于分形维数的叶片识别方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 引言 | 第7-11页 |
| ·研究目的与意义 | 第7-8页 |
| ·植物的重要性 | 第7页 |
| ·植物图像识别的意义 | 第7-8页 |
| ·研究现状 | 第8-10页 |
| ·植物叶片识别领域 | 第8-9页 |
| ·分形应用领域 | 第9-10页 |
| ·论文研究内容 | 第10页 |
| ·论文组织结构 | 第10-11页 |
| 2 分形理论 | 第11-22页 |
| ·分形理论的定义及性质 | 第11-16页 |
| ·分形理论的提出 | 第11页 |
| ·分形理论的定义 | 第11-14页 |
| ·分形的自相似性和标度不变形 | 第14-16页 |
| ·图像中分形维的测定方法 | 第16-20页 |
| ·Hansdroff维数法 | 第16-18页 |
| ·盒维法 | 第18页 |
| ·差分盒维法 | 第18-19页 |
| ·双毯法 | 第19-20页 |
| ·信息维 | 第20页 |
| ·分形维数作为纹理特征 | 第20-22页 |
| 3 图像识别技术 | 第22-37页 |
| ·图像预处理 | 第22-26页 |
| ·彩色图像转化为灰度图 | 第22页 |
| ·叶片降噪处理 | 第22-23页 |
| ·彩色图像转化为二值图 | 第23页 |
| ·去除目标区域孔洞 | 第23-25页 |
| ·保留最大连通成分 | 第25-26页 |
| ·形状特征计算 | 第26-28页 |
| ·区域几何特征 | 第26-27页 |
| ·不变矩特征 | 第27-28页 |
| ·纹理特征提取 | 第28-31页 |
| ·灰度共生矩阵 | 第28-30页 |
| ·自相关函数 | 第30页 |
| ·灰度差分统计 | 第30页 |
| ·分形维数 | 第30-31页 |
| ·主成分分析 | 第31-32页 |
| ·主成分的特点 | 第31页 |
| ·主成分的原理 | 第31页 |
| ·主成分的计算步骤 | 第31-32页 |
| ·SVM分类器 | 第32-37页 |
| ·支持向量机原理 | 第33-35页 |
| ·非线性支持向量机 | 第35页 |
| ·支持向量机的多分类方法 | 第35-37页 |
| 4 基于分形理论的叶片图像识别技术的实现 | 第37-42页 |
| ·叶片图像获取及预处理 | 第37-38页 |
| ·叶片分形维数计算 | 第38-39页 |
| ·叶片图像特征提取 | 第39-40页 |
| ·主成分分析 | 第40-41页 |
| ·分类器 | 第41-42页 |
| 5 实验与测试 | 第42-50页 |
| ·叶片图像预处理 | 第42页 |
| ·分形维数特征的计算过程 | 第42-45页 |
| ·分形维数迭代次数的确定 | 第42-43页 |
| ·分形维数的计算 | 第43-45页 |
| ·特征提取 | 第45页 |
| ·有效特征选取 | 第45-47页 |
| ·确定主成分 | 第47-48页 |
| ·实验结果与对比 | 第48-50页 |
| 6 总结和展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 个人简介 | 第55-56页 |
| 导师简介 | 第56-57页 |
| 获得成果目录清单 | 第57-58页 |
| 致谢 | 第58页 |
