【正文】 ve been here I have been tasked with nothing more challenging than learning my students39。s own path. He urges the reader to find rectitude and lead a moral life. He professes that, only by being self reliant, as opposed to relying on the government and being dictated to by society, can one begin leading a decent and purposeful life. He avers that such a life is the only life worth living. I agree with him. This essay was written during a time of social upheaval in America, and it is rather odd that Emerson authored it, as he was a part of the upper crust of society at the time. It just so happened that he looked around him, at the indolence and the wantonness of the people in his circle。s lost, I believe, are the interesting setups and pauses that illuminate the Chinese art of storytelling. Much of the plot is still there. It is the flavor that was sacrificed. The American edition uses the framework of the Empress Dowager in her senior years reminiscing at the beginning and the end of each episode, hinting at what39。s Poly Theater. Their show, titled Ulan Muqir on the Grassland, depicted the history and development of the art troupe. Being from the region allowed me to embrace the culture of Inner Mongolia and being a member of the troupe showed me where I belonged, Nasun, the art troupe39。t have a formal stage. The audience just sat on the grass. Usually, the performances became a big party with local people joining in. For him, the rewarding part about touring isn39。s Shaanxi province pass through a stop on the ancient Silk Road, Gansu39。 還要感謝我的室友們在生活上不斷照顧我，關(guān)心我，我們之間建立了純真的友誼。 首先，我要感謝我的輔導員杜奎寶老師，感謝他的悉心教誨和 無微不至的關(guān)懷，教會我很多做事的道理，給予我極大的幫助。因此如何選擇與提取目標特征還需進一步研究。論文采用的目標圖像背景相對比較簡單 ,噪聲小 ,與實際工程要求有一定差距并且樣本的完備性也有所不足。論文主要完成了 : （ 1）目標樣本的采集，對樹葉圖像進行預處理，包括裁剪、平滑、分割及邊緣檢測等。它提供了很多工具用于仿真及設(shè)計，本文擬采用 GUI 界面來仿真基于神經(jīng)網(wǎng)絡(luò)的樹葉識別。第四部分是神經(jīng)網(wǎng)絡(luò)識別 ,即根據(jù)提取的特征參數(shù) ,采用多特征神經(jīng)網(wǎng)絡(luò)集成分類器的規(guī)則 ,對圖像信息進行分類和識別 ,從而得到識別結(jié)果。從中得到數(shù)據(jù)。 樹葉識別 圖像識別是用數(shù)字圖像處理技術(shù)與計算機處理技術(shù)結(jié)合起來，繼而完成人的認識和理解的過程。 節(jié)點數(shù)的選取 經(jīng)過數(shù)據(jù)降維后的樹葉特征矩陣是由前 6 個主成分表示的，即特征變量為 6 個，所以 BP 網(wǎng)絡(luò)輸入層單元數(shù)為 6。當神經(jīng)網(wǎng)絡(luò)輸出層的輸出值與其期望值相差較大時，就會轉(zhuǎn)入反向傳播，然后通過修正各神經(jīng)元間的權(quán)值系數(shù)，以及修正網(wǎng)絡(luò)參數(shù)，使系統(tǒng)識別誤差降到允許范圍內(nèi)。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。對于 二維 (NM)數(shù)字 化圖像 ? ?,f i j ， pq? 階矩可以定義為： ? ?1100 ,MN pqpq jim i j f i j????? ?? （ 34） 其對應(yīng)的 pq? 階中心矩可以定義為： ? ? ? ? ? ?1100 ,pMN qpq ji x x y y f x y?????? ? ??? （ 35） 式中， 10 00x m m? 是 二維圖像 ? ?,f i j 的圖像灰度在水平方向上灰度質(zhì)心； 01 00y m m? 是圖像灰度在垂直方向上的灰度質(zhì)心。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 39。 figure,imshow(BW_prewitt),xlabel(39。)。roberts39。 BW_prewitt = edge(L,39。%加入高斯噪聲（ μ=0， σ^2=） L=medfilt2(J,[5,5])。 J=rgb2gray(I)。具有各項同性， Laplace 算子對噪聲比較敏感，所以在檢測前一般先進行去噪處理，常用的 GaussLaplace 算子是 55 模板 。去噪作用小，且邊緣檢測能力相對較差。在圖像處理時得到的樹葉特征一般是基于其輪廓信息的，所以對樹葉邊緣檢測好壞直接影響最終的識別結(jié)果。 axis([0,600,0,600])。 subplot(122),imshow(BW1)。 subplot(121),imshow(I)。 %顯示網(wǎng)絡(luò)線 axis on。桂花葉 .jpg39。而現(xiàn)有的圖像分割方法主要包括： 理論 分割 、邊緣分割、區(qū)域分割以及 閾值 分割 等 [12]。模板太小去噪效果也不是很好。 圖 28 去噪效果圖 兩種濾波方法各有特點。)。5*5 均值濾波 39。 subplot(232),imshow(K1),title(39。 %加入 33 中值濾波 L2=medfilt2(K,[5,5])。 %進行 33 均值濾波 K2=filter2(fspecial(39。,)。)。 中值濾波可以表示為一個序列模板內(nèi)的所有像素點按某種規(guī)則排序，再選取中間值 7 作為其使用值。其裁剪過程為： 第一步：用 ACDSee 打開采集的圖片，鼠標右擊，進入編輯界面： 圖 25 編輯圖 第二步：調(diào)整寬度和高度 為 600600 像素 ，移動十字光標為最佳位置： 6 圖 26 裁剪圖 第三步：點擊完成，如圖 27： 圖 27 處理后圖 圖像平滑 圖像在處理過程中，常常會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。 4 基于神經(jīng)網(wǎng)絡(luò)的樹葉 識別 首先介紹了神經(jīng)網(wǎng)絡(luò)，然后介紹了基于神經(jīng)網(wǎng)絡(luò)的樹葉識別的實現(xiàn)，最后對樹葉識別結(jié)果進行分析。 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 語言實現(xiàn)樹葉圖像的去噪、分割、邊緣檢測等操作，再進行特征提取，最后借助訓練集特征建立神經(jīng)網(wǎng)絡(luò)分類器，并以測試集驗證分類器模型的性能。陳涓 [8]學者 提出了基于小生境技術(shù)的神經(jīng)網(wǎng)絡(luò) 進化集成方法，通過個體間相似程度的共享函數(shù)來調(diào)整網(wǎng)絡(luò)的適應(yīng)度 ， 從而使神經(jīng)網(wǎng)絡(luò)集成系統(tǒng)的泛化能力得到大幅度改善。王曉峰 [6]學者 提出了一種利用樹葉外 形特征來對葉片進行識別的方法，通過對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行分類，實現(xiàn)了多種植物葉片的準確識別。 本論文的主要任務(wù)是利用數(shù)字圖像處理技術(shù)及其神經(jīng)網(wǎng)絡(luò)模式識別方法應(yīng)用到植物葉片分類應(yīng)用領(lǐng)域，該研究是工農(nóng)交叉性研究，在一定程度上促進了植物學、農(nóng)業(yè)及林業(yè)領(lǐng)域信息化的發(fā)展建設(shè)，為植物學農(nóng)林業(yè)的迅速發(fā)展提供了強有力 的技術(shù)支持，從而對推動經(jīng)濟的跨越發(fā)展起到了重要作用。植物葉形分類主要依賴于分類學知識淵博且長期從事植物分類工作的專家學者進行人工分類，該方法存在著耗時耗力、效率低、主觀因素大等不足， 再加上植物分類人才的匱乏，對植物分類的研究愈加困難。它們是維持人類生存的重要載體。 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。過去這類工作是由人工完成，不但工作量大，而且 工作效率比較低。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算機進行輔助操作，這樣可以提高識別的準確性，從而提升了工作效率。s fast development ,we can use the puter to help us with this work ,then enhance the recognition accuracy and promote the working efficiency . The main work of this article includes :use digital image processing technology to pretreat the leaf image 。因此，對植物的研究就顯得格外重要。 隨著人工智能的日臻成熟，數(shù)字圖像處理技術(shù)廣泛用于農(nóng)業(yè)、工業(yè)、軍事等各個領(lǐng)域。 國內(nèi)外研究的進展 樹葉識別的研究進展 雖然圖像識別技術(shù)在十九世紀就有人研究，但真正開始受到人們關(guān)注的是在 60年代末，隨著時間的推移，到 80年代，圖像識別技術(shù)廣泛應(yīng)用到各個領(lǐng)域，而且也取得了不錯的成果。 至此，樹葉識別技術(shù)便得到了快速發(fā)展。朱曉峰 [9]學者 提出了基于神經(jīng)網(wǎng)絡(luò)的出版業(yè)量化分析模型，對出版業(yè)的實際數(shù)據(jù)進行了實驗，結(jié)果顯示該方法是可行的。 組織結(jié)構(gòu) 1 引言 介紹了選題背景、意義、國內(nèi)外研究進展、論文內(nèi)容與組織結(jié)構(gòu)。 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。 圖像平滑主要是消除或減少噪聲以改善圖像質(zhì)量，一般采用均值濾波法和中值濾波法來進行圖像去噪。 設(shè)一個序列 12, nf f f… ， ,取其長度為 m(m 為 奇數(shù) ),數(shù)學公式表示為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。 J=rgb2gr