【正文】 oupe showed me where I belonged, Nasun, the art troupe39。s Shaanxi province pass through a stop on the ancient Silk Road, Gansu39。 首先，我要感謝我的輔導(dǎo)員杜奎寶老師，感謝他的悉心教誨和 無(wú)微不至的關(guān)懷，教會(huì)我很多做事的道理，給予我極大的幫助。論文采用的目標(biāo)圖像背景相對(duì)比較簡(jiǎn)單 ,噪聲小 ,與實(shí)際工程要求有一定差距并且樣本的完備性也有所不足。它提供了很多工具用于仿真及設(shè)計(jì)，本文擬采用 GUI 界面來(lái)仿真基于神經(jīng)網(wǎng)絡(luò)的樹葉識(shí)別。從中得到數(shù)據(jù)。 節(jié)點(diǎn)數(shù)的選取 經(jīng)過(guò)數(shù)據(jù)降維后的樹葉特征矩陣是由前 6 個(gè)主成分表示的，即特征變量為 6 個(gè)，所以 BP 網(wǎng)絡(luò)輸入層單元數(shù)為 6。人工神經(jīng)網(wǎng)絡(luò)的并行結(jié)構(gòu)和交叉處理能力在圖像處理與分析中應(yīng)用廣泛。則矩形度可定義為： = MERR S S （ 31） 式中，1niSi???為樹葉的面積， SMER 為樹葉的最小外接矩形（ MER）的面積。roberts 檢測(cè) 39。)。 BW_prewitt = edge(L,39。 J=rgb2gray(I)。去噪作用小，且邊緣檢測(cè)能力相對(duì)較差。 axis([0,600,0,600])。 subplot(121),imshow(I)。桂花葉 .jpg39。模板太小去噪效果也不是很好。)。 subplot(232),imshow(K1),title(39。 %進(jìn)行 33 均值濾波 K2=filter2(fspecial(39。)。其裁剪過(guò)程為： 第一步：用 ACDSee 打開采集的圖片，鼠標(biāo)右擊，進(jìn)入編輯界面： 圖 25 編輯圖 第二步：調(diào)整寬度和高度 為 600600 像素 ，移動(dòng)十字光標(biāo)為最佳位置： 6 圖 26 裁剪圖 第三步：點(diǎn)擊完成，如圖 27： 圖 27 處理后圖 圖像平滑 圖像在處理過(guò)程中，常常會(huì)受到各種外部因素的影響，使得獲取的圖像一般都含有噪聲，而去噪平滑技術(shù)可以平滑圖像中的噪聲。 論文的主要內(nèi)容與組織結(jié)構(gòu) 論文的 主要內(nèi)容 該課題在參考理論基礎(chǔ)上， 利用 MATLAB 語(yǔ)言實(shí)現(xiàn)樹葉圖像的去噪、分割、邊緣檢測(cè)等操作，再進(jìn)行特征提取，最后借助訓(xùn)練集特征建立神經(jīng)網(wǎng)絡(luò)分類器，并以測(cè)試集驗(yàn)證分類器模型的性能。王曉峰 [6]學(xué)者 提出了一種利用樹葉外 形特征來(lái)對(duì)葉片進(jìn)行識(shí)別的方法，通過(guò)對(duì)葉片圖像做去噪及邊緣等處理并提取葉片的輪廓區(qū)域，利用其得到的外部特征進(jìn)行分類，實(shí)現(xiàn)了多種植物葉片的準(zhǔn)確識(shí)別。植物葉形分類主要依賴于分類學(xué)知識(shí)淵博且長(zhǎng)期從事植物分類工作的專家學(xué)者進(jìn)行人工分類，該方法存在著耗時(shí)耗力、效率低、主觀因素大等不足， 再加上植物分類人才的匱乏，對(duì)植物分類的研究愈加困難。 關(guān)鍵詞 ： 圖像處理；神經(jīng)網(wǎng)絡(luò)；集成分類器 2 Recognition System of Leaf Images Based on Neuronal Network Abstract： The plant is an important ponent of the biosphere ,and a leaf is a key character of the plant ,different plant may be different in leaf type as well as the leaf vein ,and this enables us to use the plant leaf to carry on the classification of the plant .In the past ,this kind of work was by pletes artificially ,the work load was also very heavy ,moreover the working efficiency was relatively quite low .Along with the puter image processing technology39。隨著數(shù)字圖像處理技術(shù)的快速發(fā)展，我們可以有效地借助計(jì)算機(jī)進(jìn)行輔助操作，這樣可以提高識(shí)別的準(zhǔn)確性，從而提升了工作效率。因此，對(duì)植物的研究就顯得格外重要。 國(guó)內(nèi)外研究的進(jìn)展 樹葉識(shí)別的研究進(jìn)展 雖然圖像識(shí)別技術(shù)在十九世紀(jì)就有人研究，但真正開始受到人們關(guān)注的是在 60年代末，隨著時(shí)間的推移，到 80年代，圖像識(shí)別技術(shù)廣泛應(yīng)用到各個(gè)領(lǐng)域，而且也取得了不錯(cuò)的成果。朱曉峰 [9]學(xué)者 提出了基于神經(jīng)網(wǎng)絡(luò)的出版業(yè)量化分析模型，對(duì)出版業(yè)的實(shí)際數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)，結(jié)果顯示該方法是可行的。 5 總結(jié)與展望 總結(jié)論文的主要工作以及展望論文的不足。 設(shè)一個(gè)序列 12, nf f f… ， ,取其長(zhǎng)度為 m(m 為 奇數(shù) ),數(shù)學(xué)公式表示為22: ? ? ? ?11, , , , v 1 / 2i i v i i i vY M e d f f f f i N m? ? ? ?? ? ? ?… ， ， … ， (22) iY 稱為序列 1, , , , ,i v i i i vf f f f? ? ?的中值。 %加入高斯噪聲 K1=filter2(fspecial(39。 %加入 55 中 值濾波 subplot(231),imshow(K),title(39。)。相較來(lái)說(shuō)，均值濾波去噪效果不如中值濾波。 最大類間方差法 本文擬采用基于閾值的分割方法（最大類間方差法）。 %顯示坐標(biāo)系 level=graythresh(I)。title(39。 現(xiàn)有的邊緣檢測(cè)方法主要包括 Sobel 算子檢測(cè)、 Roberts 算子檢測(cè)、 Prewitt 算子檢測(cè)以及 Laplace 算子檢測(cè)等。 2 4 4 4 2 4 0 8 0 4 4 8 24 8 4 4 0 8 0 4 2 4 4 4 2 GaussLaplace 算子 Matlab 實(shí)現(xiàn)及效果圖： I = imread(39。 %加入中值濾波 BW_sobel = edge(L,39。)。prewitt 檢測(cè) 39。 1 1 1 0 0 0 1 1 1 11 圖 210 sobel 檢測(cè) 圖 211 prewitt 檢測(cè) 圖 212 roberts 檢測(cè) 圖 213 laplace 檢測(cè) 3 樹葉圖像特征提取 圖像特征提取是影響圖像識(shí)別效果的關(guān)鍵環(huán)節(jié)，需要充分考慮圖像的特征、穩(wěn)定性 12 和個(gè)數(shù)的選取。 ? ?,f i j 的歸一化 ? ?pq? 階中心矩可以定義為： ? ?? ?2 / 200 , 2 , 3 ,pqpq pqu p q?? ??? ? ? （ 36） 提出的不變矩理論是由三階規(guī)格化的中心矩非線性組合構(gòu)成的 7 個(gè)量值 。 圖 41 三層 BP 網(wǎng)絡(luò)結(jié)構(gòu)圖 隱含層數(shù)的選取 隱含層過(guò)多，會(huì)造成網(wǎng)絡(luò)訓(xùn) 練緩慢，使誤差曲線不穩(wěn)定。簡(jiǎn)單的說(shuō)圖像識(shí)別是把研究目標(biāo) ,根據(jù)其某些 特征進(jìn)行識(shí)別和分類。 GUI 界面設(shè)計(jì) 圖形用戶界面 ，簡(jiǎn)稱 GUI。 （ 2）對(duì)樹葉圖像特征的選擇和提取進(jìn)行了分析。 參考文獻(xiàn) [1] 傅弘，池哲儒，常杰，傅承新 ． 基于人工神經(jīng)網(wǎng)絡(luò)的葉脈信息提取 —— 植物活體機(jī)器識(shí)別研究[J].植物學(xué)通報(bào) , 2022, 21(4):429436. [2] 朱靜，田興軍，陳彬，呂勁紫 ． 植物葉形的計(jì)算機(jī)識(shí)別系統(tǒng) [J].植物學(xué)通報(bào) , 2022， 22(5)：599604. 17 [3] 劉純利，劉少斌 .基于紋理建模的樹葉識(shí)別系統(tǒng) [J].計(jì)算機(jī)科學(xué)， 2022,39（ 11）： 289290. [4] 王代琳 .基 于神經(jīng)網(wǎng)絡(luò)的樹葉識(shí)別系統(tǒng)研究（英文） [C].東北林業(yè)大學(xué)， 2022. [5] 朱寧 .基于 LBP 的樹葉識(shí)別系統(tǒng)研究與實(shí)現(xiàn) [M].北京林業(yè)大學(xué)， 2022(01). [6] 王曉峰，黃德雙，杜吉祥，張國(guó)軍 ． 葉片圖像特征提取與識(shí)別技術(shù)的研究 [J].計(jì)算機(jī)工程與應(yīng)用 , 2022, 3:190193. [7] 何術(shù) ． SOM神經(jīng)網(wǎng)絡(luò)在樹葉形狀分類中的應(yīng)用 [J].電腦開發(fā)與應(yīng)用 ,2022,17(2):2324. [8] 陳涓 .神經(jīng)網(wǎng)絡(luò)集成的泛化能力研究及其應(yīng)用 [G].蘭州理工大學(xué)， 2022. [9] 朱曉峰 .基于神經(jīng)網(wǎng) 絡(luò)的出版業(yè)統(tǒng)計(jì)分析方法研究 [A].北京， 2022. [10] Kohonen Formation Of Topological Maps In Selenizing Systems[M].Proceeding of the 2nd Scandinavian Image Analysis, Finland, 1981, 214. [11] Hopfield J Networks And Physical Systems With Emergent Collective Computerational Abilities[D].USA:.,1982. [12] 王春，劉波 .采用 BP神經(jīng)網(wǎng)絡(luò)的車牌字符識(shí)別方法研究 [J] .中國(guó)測(cè)量技術(shù)， 2022， 31（ 1）：2627. [13] 李小林 .一種基于邊緣流的圖像分割算法及其應(yīng)用 [J].閩江學(xué)院學(xué)報(bào) , 2022, 30(2):6871. [14] 于新文 , 沈佐銳 .昆蟲數(shù)字圖像的分割技術(shù)研究 [J].農(nóng)業(yè)工程學(xué)報(bào) , 2022, 17(3):137141. [15] 羅 濤華 .基于自適應(yīng)閾值的儲(chǔ)糧害蟲圖像分割算法 [J].武漢工業(yè)學(xué)院學(xué)報(bào) , 2022, 25(1):58. [16] 張紅濤 ,邱道尹 .基于相對(duì)熵閾值法的儲(chǔ)糧害蟲圖像分割 [J].華北水利水電學(xué)院學(xué)報(bào) , 2022, 24(3):2729. 致謝 四年的大學(xué)生活，讓我獲益良多。謝謝他們對(duì)我的關(guān)心和幫助，在我遇到困難時(shí)給我鼓勵(lì)。t just about sharing art with nomadic families but also about gaining inspiration for the music and dance. Ulan Muqir literally translates as red burgeon, and today39。s to e and recapping the key points. This device, not used in the original, is culturally understandable but artistically mediocre. What puzzles me is the two new songs for the opening and end credits. They were written in English, but sung by Chinese with an unfortable accent. They were obviously designed to appeal to an Englishspeaking base, but do not jibe with the Chinese dialogue. Speaking of the dialogue, the English translation, picked apart by some Chinese, is too literal for my taste. I can imagine a typical American hit by a flurry of royal ranks, addresses and greetings, even multiple names and titles for the same person. The first half hour must be a swamp to wade through, 19 very much like my experience of getting through a Tolstoy tome with its endless inflections of names transliterated into lengthy Chinese. I see the choice of verbatim translation as an effort for conveying exotica. It is fairly petent, with no error that I could detect