基于神经网络的植物叶片分类识别

基于神经网络的植物叶片分类识别

论文摘要

植物分类是植物研究开发的基础性工作,植物的分类与识别对于保护植物、区分植物种类,探索植物间的亲缘关系具有重要意义。采用植物叶片的特征对植物进行分类识别是最直接有效和简单的方法。本文通过提取植物叶片的一些特征参数,采用神经网络训练来对植物分类识别。选用的特征参数有不变矩、傅里叶描绘子和分形维数,这些特征参数具有对平移、缩放、镜像和旋转都不敏感,提取叶片的不变矩、傅里叶描绘子和分形维数,作为网络的输入样本。为了提高叶片特征参数的准确性,对图像进行了以下的预处理:对原彩色图像进行灰度化处理;二值化处理;采用数学形态学膨胀和腐蚀运算对二值化的图像进行滤波处理和去把处理。采用BP神经网络对叶片图像进行分类识别。实验结果表明,用傅里叶描绘子训练的网络只能识别训练样本,几乎不能识别测试样本,即没有泛化能力;把不变矩和分形维数一起作为训练网络的样本,识别率可达到92%。

论文目录

  • 中文摘要
  • Abstract
  • 第一章 绪论
  • 1.1 选题的依据和意义
  • 1.2 国内外研究现状
  • 1.3 本文所做的工作
  • 第二章 叶片图像的预处理
  • 2.1 图像的灰度化
  • 2.2 图像的二值化
  • 2.3 图像滤波
  • 2.3.1 均值滤波
  • 2.3.2 中值滤波
  • 2.3.3 形态学滤波
  • 2.4 滤波处理
  • 第三章 叶片图像的特征提取
  • 3.1 叶片图像不变距的提取
  • 3.1.1 不变距的基本理论
  • 3.1.2 五类叶片图像的不变矩提取
  • 3.2 傅里叶描绘子的提取
  • 3.2.1 傅里叶变换
  • 3.2.2 傅里叶描绘子
  • 3.2.3 五类叶片图像傅里叶描绘子的提取
  • 3.3 分形维数的提取
  • 3.3.1 分形理论
  • 3.3.2 五类叶片分形维数的提取
  • 第四章 基于人工神经网络的分类
  • 4.1 神经网络的基本概念
  • 4.1.1 BP 神经网络概述
  • 4.1.2 BP 神经网络的工作过程
  • 4.1.3 BP 神经网络的特点
  • 4.1.4 BP 神经网络的局限性
  • 4.2 BP 神经网络在叶片分类中的应用
  • 4.2.1 神经网络的结构与设计
  • 4.2.2 神经网络的训练
  • 4.2.3 叶片识别与结果分析
  • 第五章 总结
  • 参考文献
  • 攻读学位期间本人出版或公开发表的论著、论文
  • 致谢
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  

    基于神经网络的植物叶片分类识别
    下载Doc文档

    猜你喜欢