基于数字图像处理的树叶识别论文_--黄金版.doc

目 录 TOC \o 1-3 \h \z \u HYPERLINK \l _Toc摘要 PAGEREF _Toc \h 1HYPERLINK \l _Toc英文摘要 PAGEREF _Toc \h 2HYPERLINK \l _Toc1 引言 PAGEREF _Toc \h 3HYPERLINK \l _Toc1.1 选题背景及意义 PAGEREF _Toc \h 3HYPERLINK \l _Toc1.2 国内外研究的进展 PAGEREF _Toc \h 3HYPERLINK \l _Toc1.2.1 树叶识别的研究进展 PAGEREF _Toc \h 3HYPERLINK \l _Toc1.2.2 神经网络的研究进展 PAGEREF _Toc \h 4HYPERLINK \l _Toc1.3 论文的主要内容与组织结构 PAGEREF _Toc \h 4HYPERLINK \l _Toc1.3.1 论文的主要内容 PAGEREF _Toc \h 4HYPERLINK \l _Toc1.3.2 组织结构 PAGEREF _Toc \h 4HYPERLINK \l _Toc2 树叶图像预处理 PAGEREF _Toc \h 4HYPERLINK \l _Toc2.1 图像采集 PAGEREF _Toc \h 4HYPERLINK \l _Toc2.2 图像裁剪 PAGEREF _Toc \h 5HYPERLINK \l _Toc2.3 图像平滑 PAGEREF _Toc \h 6HYPERLINK \l _Toc2.4 图像分割 PAGEREF _Toc \h 8HYPERLINK \l _Toc2.4.1 最大类间方差法 PAGEREF _Toc \h 8HYPERLINK \l _Toc2.4.2 matlab实现及效果图 PAGEREF _Toc \h 8HYPERLINK \l _Toc2.5 边缘检测 PAGEREF _Toc \h 9HYPERLINK \l _Toc3 树叶图像特征提取 PAGEREF _Toc \h 11HYPERLINK \l _Toc4 基于神经网络的树叶识别 PAGEREF _Toc \h 13HYPERLINK \l _Toc4.1 BP网络基本理论 PAGEREF _Toc \h 13HYPERLINK \l _Toc4.2 隐含层数的选取 PAGEREF _Toc \h 13HYPERLINK \l _Toc4.3 节点数的选取 PAGEREF _Toc \h 13HYPERLINK \l _Toc4.4 BP网络的建立 PAGEREF _Toc \h 14HYPERLINK \l _Toc4.5 树叶识别 PAGEREF _Toc \h 14HYPERLINK \l _Toc4.6 GUI界面设计 PAGEREF _Toc \h 14HYPERLINK \l _Toc4.7 结果分析 PAGEREF _Toc \h 16HYPERLINK \l _Toc5 总结与展望 PAGEREF _Toc \h 16HYPERLINK \l _Toc5.1 总结论文的主要工作 PAGEREF _Toc \h 16HYPERLINK \l _Toc5.2 展望论文的不足 PAGEREF _Toc \h 16HYPERLINK \l _Toc参考文献 PAGEREF _Toc \h 16HYPERLINK \l _Toc致谢 PAGEREF _Toc \h 17基于神经网络的树叶识别系统研究机电与信息工程学院 电子信息工程 曹文君（）指导老师：吕军（助教）摘要：植物是生物圈的重要组成部分，其中，叶片是植物的一个重要特征，不同的植物叶片在叶形及叶脉等外部特征上都不尽相同，这就使我们能够很好地利用植物叶片的特征来对植物分类。过去这类工作是由人工完成，不但工作量大，而且工作效率比较低。随着数字图像处理技术的快速发展，我们可以有效地借助计算机进行辅助操作，这样可以提高识别的准确性，从而提升了工作效率。本文重点工作有：应用数字图像处理技术对采集到的叶片做图像预处理；提出了基于BP神经网络的方法进行树叶的识别，并构造了一个基于神经网络的集成分类器模型。最后，对本系统进行了仿真测试，取得了较好的结果。关键词：图像处理；神经网络；集成分类器Recognition System of Leaf Images Based on Neuronal NetworkC