樹葉分類——數(shù)字圖像處理在樹葉識別中的應(yīng)用-展示頁
2025-07-05 16:02本頁面
【正文】 tsu最大類間方差法自適應(yīng)圖像分割[5]最大類間方差法是由Otsu在1978年提出的。同時，模板大小的選取對平滑的結(jié)果也有很大的影響，模板越大則處理后的圖像越模糊，細(xì)節(jié)損失越多，對圖像的邊緣也有不利的影響。兩種濾波方法各有特點。均值濾波: 對模板內(nèi)的所有像素點的灰度值取均值或加權(quán)均值。噪聲點和周圍像素點灰度值差異較大，空間頻率比較高，因此可以利用空間濾波的方法抑制圖像的高頻分量，使噪聲點的影響減小，即平滑處理。常用的GaussLaplace算子是55模板，如下圖所示。Laplace算子精度高，但是同時對噪聲更敏感，因此在檢測之前一般先進行平滑，把高斯平滑濾波器和Laplace銳化濾波器結(jié)合起來形成GaussLaplace算子。10010110Gx GyPrewitt算子：Prewitt算子與Sobel算子的方程一樣，只是常量c=1。它是有方向性的，在水平方向和垂直方向上形成最強烈的邊緣。Sobel算子：Sobel 邊緣算子的掩模模板是兩個33的卷積核?；叶冗吘壥腔叶戎挡贿B續(xù)（或突變）的結(jié)果，這種不連續(xù)?？衫们笠浑A和二階導(dǎo)數(shù)方便地檢測到。對于邊緣的檢測常常借助于空域微分算子進行，通過將其模板與圖像卷積完成。對樹葉的邊緣進行檢測是樹葉識別的基礎(chǔ)，從二維數(shù)字圖像上可得到的所有樹葉的特征都基于其輪廓信息的。其灰度變化曲線呈現(xiàn)奇異信號波形：階躍信號或屋脊形脈沖信號。二、相關(guān)理論綜述1 圖像預(yù)處理（1）邊緣檢測[4]圖像的邊緣是指圖像局部亮度變化最顯著的部分，即在灰度級上發(fā)生急劇變化的區(qū)域。（4） 葉子面積大小對植物的生長發(fā)育、作物產(chǎn)量以及栽培管理都具有十分重要的意義。建立植物識別系統(tǒng)和數(shù)據(jù)庫十分必要。并且相應(yīng)人才極為短缺。這種傳統(tǒng)的判別方法要求操作者具有豐富的分類學(xué)知識和長期的實踐經(jīng)驗,才能開展工作。在信息化的今天，我們提出的一種解決方案是：建立計算機化的植物識別系統(tǒng)，即利用計算機及相關(guān)技術(shù)對植物進行識別和管理[1]。目前植物識別和分類主要由人工完成。然而，由于學(xué)科發(fā)展和社會等原因，全世界范圍內(nèi)目前從事經(jīng)典分類（即傳統(tǒng)的形態(tài)分類）的人數(shù)急劇下降，且呈現(xiàn)出明顯的老齡化趨勢，后繼乏人，分類學(xué)已經(jīng)成為一個“瀕危學(xué)科”(Buyck,1999)。研究報告：數(shù)字圖像處理在樹葉識別中的應(yīng)用數(shù)字圖像處理研究報告數(shù)字圖像處理在樹葉識別中的應(yīng)用 侯 杰：土木系 侯曉鵬：林科院蘇東川：航院張 偉：精儀 指導(dǎo)教師：馬慧敏 教授日期： II 數(shù)字圖像處理在樹葉識別中的應(yīng)用一、課題意義及背景1 課題背景植物的識別與分類對于區(qū)分植物種類，探索植物間的親緣關(guān)系，闡明植物系統(tǒng)的進化規(guī)律具有重要意義。因此植物分類學(xué)是植物科學(xué)乃至整個生命科學(xué)的基礎(chǔ)學(xué)科。這不僅對于植物分類學(xué)本身，而且對整個植物科學(xué)和國民經(jīng)濟的發(fā)展帶來重大的不利影響。然而地球上僅為人所知的有花植物就有大約25萬種，面對如此龐大的植物世界，任何一個植物學(xué)家都不可能知道所有的物種和名稱，這就給進一步的研究帶來了困難。2 課題意義[23]（1） 人工進行植物葉形的分類難度很大。要做到準(zhǔn)確和快速地識別手中的植物是非常困難。（2） 僅為人所知的有花植物就有大約25萬種，面對如此龐大的植物世界，任何一個植物學(xué)家都不可能知道所有的物種和名稱。（3） 植物學(xué)研究人員在野外考察時, 時常需要獲取植物葉片面積等參數(shù)。因此，基于計算機圖像處理識別技術(shù)的樹葉圖像識別技術(shù)對于植物學(xué)，農(nóng)業(yè)科學(xué)等都具有重大意義。從空域角度看，二維圖像上的邊緣相鄰像素灰度從某一個值跳變到另一個差異較大的值。圖像邊緣信息是圖像的重要特征，也是計算機視覺和圖像識別的基礎(chǔ)。因此對樹葉邊緣信息檢測情況的好壞直接影響到最終的處理結(jié)果。兩個具有不同灰度值的相鄰區(qū)域之間總存在灰度邊緣。已有的邊緣檢測方法，主要有一次微分（Sobel 算子、Roberts算子等）、二次微分（Laplace算子等）和模板操作（Prewitt 算子、Kirsch 算子、Robinson 算子等）等。Sobel邊緣算子強調(diào)中心像素的4鄰域?qū)ζ涞挠绊?，而削?個對角近鄰像素對其作用。101202101Gx121000121GyRoberts算子：Rob
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1