4。3 实验结果分析 15

4。3。1 数据集 15

4。3。2 预处理 15

4。3。3 特征提取 16

4。3。4 图像识别 18

5结论和展望 19

5。1 结论 19

5。2 展望 20

1绪论

1。1 研究背景

   （1）植物识别的重要性

植物是世界上分布最广且种类数量最多的生命形式之一，大到苍天树木，小到青草苔藓，它们在维持自然界的生态平衡中占着及其重要的地位。根据统计，地球上已发现的植物约有50万种[1]，它们的形态、大小、结构、寿命、生活习性、营养方式、繁殖方式和生态特性等都是多种多样的。面对种类繁多且特征多样的植物，对鉴别者的专业水平要求较高，鉴别结果容易受到主观因素的影响，而且人工方法费时费力，效率低下。随着计算机图像处理、模式识别和机器视觉等信息技术的出现和不断的发展、完善，使利用机器视觉对植物种类进行自动识别和分类成为了可能[2-3]，从而提高了植物识别的效率与准确度。

（2）植物叶片识别的可行性源Q于W优E尔A论S文R网wwW.yOueRw.com 原文+QQ75201,8766

植物的各种器官都有分类价值。比如花、茎、枝、果等特征，这些特征都能反映植物种类之间的差异和进化的关系。但比如植物的花，它在植物生长周期存在的时间段、比例小等缺陷，所以花、茎、枝、果等特征一般不作为植物快速识别的主要依据。与植物的其他特征比较, 植物叶片具有诸多优点,如存活周期长、易采集、易辨别，这些优势使其成为图像采集过程中最普遍、最稳定、也是最适合一个参照器官。同时叶片特征的稳定，也是植物识别的一个基础[4]。从图像识别的角度考虑，植物叶片在固定的视角下有比较规范的形态，其原因为叶片通常是一个 2D 的结构，而花和根需要从 3D 的角度来考虑其整体形态，所以植物叶片可以作为主要依据用于植物识别。植物叶片具有多样性，其多样性具体体现在叶脉，叶形，叶尖，叶基和叶缘等[5]。植物叶片的叶脉，叶形，叶尖，叶基和叶缘等特征的差异性是植物的识别以及分类的可靠依据，也是植物识别得以实施的重要保证。

1。2 研究现状与不足

1。3 论文工作内容

本文针对基于植物图像的智能识别系统的方法，做了较为深入的研究，所做的工作主要如下：

通过在网络上搜索研究对象的图像数据，构建图像数据库，然后对植物图像进行处理，包括图像预处理、特征提取和识别三个部分。其中特征提取中的特征主要包括SIFI特征和Gobor特征，最后使用支持向量机与极限学习机进行图像识别，构建植物智能识别系统。技术路线包括以下几个步骤：

    1）确立研究对象：本文的研究对象来源于西溪湿地植物，充分考虑植物的种类、分布以及人们的喜好程度，确立研究对象为睡莲、海芋、慈姑。

    2）建立数据库：通过网络搜集睡莲、海芋、慈姑的图片，并建立图像数据库。

    3）构建智能识别系统：主要实现睡莲、海芋、慈姑这三种植物原图像的获取、植物图像预处理、植物特征提取和植物图像识别 4个过程。                         

                                  MATLAB基于植物图像的智能识别系统研究(2):http://www.youerw.com/jisuanji/lunwen_195796.html