svm的梅花种类识别系统的设计与实现(源码)
数字图像处理与分析、模式识别技术在当今社会计算机科学与技术中占据着举足轻重的地位。其中，植物的自动分类识别技术在日常生活中渐渐的被广泛应用。本次设计主要以梅花为研究对象，首先，对梅花图像进行分割，分割的过程主要包含了纹理分割和颜色分割。其中主要运用了双毯子算法对梅花图像进行了纹理分割，以及FCM聚类算法对梅花图像进行了颜色分割。其次，再次结合梅花的纹理特征、形状特征和颜色特征，以及局部区块特征的特征提取技术对梅花图像进行了相关的特征提取。最后应用支持向量机（svm）结合提取到的特征对梅花图像进行分类识别。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
引言 1
1 绪论 1
1．1 研究背景与意义 1
1．2国内外发展及研究现状 2
1.3 研究内容与技术路线 2
1.3.1 研究内容 2
1.3.2 技术路线 2
2开发平台及应用技术 5
2.1开发平台介绍 5
2.2 SVM介绍 5
3梅花图像的分割提取算法 6
3.1纹理分割 6
3.1.1双毯子算法计算分形维数 6
3.1.2大津阈值分割 7
3.1.3填充，去噪，逻辑与 7
3.2颜色分割 7
3.2.1色彩空间的转换 7
3.2.2 FCM算法分割 7
3.2.3后续处理 8
3.3 梅花图像的特征提取 8
3.3.1颜色特征提取 8
3.3.1形状特征提取 9
3.3.2纹理特征提取 10
3.3.3局部区块特征提取 10
4系统设计与实现 12
4.1图像分割 12
4.1特征提取 12
4.4图像分类识别 13
5讨论和总结 17
6致谢 17
参考文献： 17
基于SVM的梅花种类识别系统的设计与实现
引言
1 绪论 *好棒文|www.hbsrm.com +Q: @351916072@
1．1 研究背景与意义
1．2国内外发展及研究现状
大约在90年代中期左右，计算机模式识别被用于植物的自动分类识别的计算机技术在国内逐步发展起来。而国外相对于我国在这一方面发展较早一些。国外对于植物的分类识别的研究大概开始于80年代中期左右。叶片的形状和纹理是当时国内外研究的基础。而对于花卉图像分类识别方面的研究相对较少，因为相对于叶片而言，花朵的特征比较复杂，对于分割提取的计算机技术要求较高。植物花朵自身的多样性造成了分割提取特征的困难：第一，花朵除了自身会有重瓣，卷曲之外，还有叶片等背景，造成花卉图像分割比较困难。第二，外在光照等环境因素还会导致花朵颜色发生变化，颜色特征也不够稳定。而且即便是同一种植物的颜色会有深浅不一的变化，花朵的形状也不是固定的。
Miao Zhenjiang等人提出的面向对象的模式识别方法识别玫瑰花种类，主要是在玫瑰花特征分割提取方法上进行了改进，同时也是对之前提出使用模糊集概念的算法描述玫瑰花的特征的基础之上进行了算法上的改进，系统可以自动处理玫瑰花的相关特征来识别玫瑰花种类。Takeshi综合了花朵颜色，形状，叶子等相关特征的基础之上提出了分类识别野花的方法，对野花花朵进行了分类识别。通过算法上的改进，野花的识别率可达90%。Nixiang Hong研究小组对植物花朵图像的分割的图像处理部分、花朵相关的特征提取、以及高效的分类器设计进行了深入的研究。主要是计算植物花朵图像的多个方面的相关特征,每个特征能够反映植物花朵的不同方面,分别是融合局部形状和纹理、边界形状、花瓣整体空间分布以及颜色特征,再采用SVM分类器分类进行分类识别,最后对植物花卉的识别率达到72.8%。吴清锋选择中草药植物花卉图像为研究对象,采用感兴趣区域的图像分割方法提取花朵图像,最后通过颜色、纹理、形状等三个视觉特征的分割提取,进行中草药花卉种类的识别。陈小芬以植物花卉图像为研究对象,分别研究了植物花卉的分割、底层视觉特征的提取以及采用支持向量机分类器对图像进行检索等问题,最后对15类植物花卉进行了识别,取得了一定的进展。
1.3 研究内容与技术路线
1.3.1 研究内容
本次设计旨在建立一个梅花种类的自动识别系统。选择合适的梅花图像的分割算法。综合运用梅花纹理特征，梅花的形状特征和梅花的颜色特征三种特征选取以及相关的提取技术。最后结合SVM分类器对梅花图像进行识别分类。所以主要研究内容有：
1、梅花图像的分割算法的研究与实现纹理和颜色相结合的算法来分割梅花图像。主要是结合分形纹理特征和颜色特征两种方法进行分割。
（1）纹理特征分割：这个过程使用了双毯子算法对梅花图像的纹理进行分割，得到局部分形维数图后，然后进行填充操作和去噪操作，最后进行阀值分割。
（2）颜色分割：这个过程中采用FCM聚类算法进行分割。
2、特征提取主要是梅花图像所表现出来的颜色、形状、纹理等外部视觉特征，还有局部区域特征。
（1） 在颜色特征提取方面，对梅花花朵进行归类直方图分析。
（2）纹理方面运用了分形维数和灰度共生矩阵算法。
（3）形状特征描述主要采用凸包面积比、平坦度以及边界序列矩三种方法。
（4）局部区域特征主要用了HarrisLaplace算子进行检测，然后用迭代的方法找出坐标、尺度以及特征区域。
3、分类器设计使用SVM融合有效的特征，对梅花图像进行分类和识别。
目录
摘要 1
关键词 1
Abstract 1
Key words 1
引言 1
1 绪论 1
1．1 研究背景与意义 1
1．2国内外发展及研究现状 2
1.3 研究内容与技术路线 2
1.3.1 研究内容 2
1.3.2 技术路线 2
2开发平台及应用技术 5
2.1开发平台介绍 5
2.2 SVM介绍 5
3梅花图像的分割提取算法 6
3.1纹理分割 6
3.1.1双毯子算法计算分形维数 6
3.1.2大津阈值分割 7
3.1.3填充，去噪，逻辑与 7
3.2颜色分割 7
3.2.1色彩空间的转换 7
3.2.2 FCM算法分割 7
3.2.3后续处理 8
3.3 梅花图像的特征提取 8
3.3.1颜色特征提取 8
3.3.1形状特征提取 9
3.3.2纹理特征提取 10
3.3.3局部区块特征提取 10
4系统设计与实现 12
4.1图像分割 12
4.1特征提取 12
4.4图像分类识别 13
5讨论和总结 17
6致谢 17
参考文献： 17
基于SVM的梅花种类识别系统的设计与实现
引言
1 绪论 *好棒文|www.hbsrm.com +Q: @351916072@
1．1 研究背景与意义
1．2国内外发展及研究现状
大约在90年代中期左右，计算机模式识别被用于植物的自动分类识别的计算机技术在国内逐步发展起来。而国外相对于我国在这一方面发展较早一些。国外对于植物的分类识别的研究大概开始于80年代中期左右。叶片的形状和纹理是当时国内外研究的基础。而对于花卉图像分类识别方面的研究相对较少，因为相对于叶片而言，花朵的特征比较复杂，对于分割提取的计算机技术要求较高。植物花朵自身的多样性造成了分割提取特征的困难：第一，花朵除了自身会有重瓣，卷曲之外，还有叶片等背景，造成花卉图像分割比较困难。第二，外在光照等环境因素还会导致花朵颜色发生变化，颜色特征也不够稳定。而且即便是同一种植物的颜色会有深浅不一的变化，花朵的形状也不是固定的。
Miao Zhenjiang等人提出的面向对象的模式识别方法识别玫瑰花种类，主要是在玫瑰花特征分割提取方法上进行了改进，同时也是对之前提出使用模糊集概念的算法描述玫瑰花的特征的基础之上进行了算法上的改进，系统可以自动处理玫瑰花的相关特征来识别玫瑰花种类。Takeshi综合了花朵颜色，形状，叶子等相关特征的基础之上提出了分类识别野花的方法，对野花花朵进行了分类识别。通过算法上的改进，野花的识别率可达90%。Nixiang Hong研究小组对植物花朵图像的分割的图像处理部分、花朵相关的特征提取、以及高效的分类器设计进行了深入的研究。主要是计算植物花朵图像的多个方面的相关特征,每个特征能够反映植物花朵的不同方面,分别是融合局部形状和纹理、边界形状、花瓣整体空间分布以及颜色特征,再采用SVM分类器分类进行分类识别,最后对植物花卉的识别率达到72.8%。吴清锋选择中草药植物花卉图像为研究对象,采用感兴趣区域的图像分割方法提取花朵图像,最后通过颜色、纹理、形状等三个视觉特征的分割提取,进行中草药花卉种类的识别。陈小芬以植物花卉图像为研究对象,分别研究了植物花卉的分割、底层视觉特征的提取以及采用支持向量机分类器对图像进行检索等问题,最后对15类植物花卉进行了识别,取得了一定的进展。
1.3 研究内容与技术路线
1.3.1 研究内容
本次设计旨在建立一个梅花种类的自动识别系统。选择合适的梅花图像的分割算法。综合运用梅花纹理特征，梅花的形状特征和梅花的颜色特征三种特征选取以及相关的提取技术。最后结合SVM分类器对梅花图像进行识别分类。所以主要研究内容有：
1、梅花图像的分割算法的研究与实现纹理和颜色相结合的算法来分割梅花图像。主要是结合分形纹理特征和颜色特征两种方法进行分割。
（1）纹理特征分割：这个过程使用了双毯子算法对梅花图像的纹理进行分割，得到局部分形维数图后，然后进行填充操作和去噪操作，最后进行阀值分割。
（2）颜色分割：这个过程中采用FCM聚类算法进行分割。
2、特征提取主要是梅花图像所表现出来的颜色、形状、纹理等外部视觉特征，还有局部区域特征。
（1） 在颜色特征提取方面，对梅花花朵进行归类直方图分析。
（2）纹理方面运用了分形维数和灰度共生矩阵算法。
（3）形状特征描述主要采用凸包面积比、平坦度以及边界序列矩三种方法。
（4）局部区域特征主要用了HarrisLaplace算子进行检测，然后用迭代的方法找出坐标、尺度以及特征区域。
3、分类器设计使用SVM融合有效的特征，对梅花图像进行分类和识别。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/1745.html
