复杂背景下的大豆叶片识别 soybean leaves recognition of images with complicated background.pdfVIP

下载本文档

19
0
约2.08万字
约 6页
2017-08-13 发布于上海
举报
版权申诉

复杂背景下的大豆叶片识别 soybean leaves recognition of images with complicated background.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

复杂背景下的大豆叶片识别 soybean leaves recognition of images with complicated background

第24卷第4期电子测量与仪器学报勋^24ⅣD．4 2010年4月 JoURNALoFELECTRoA7lCMEAsUREMENTANDINSTRUMENT ·385· DOI：10．3724／SP．J．1187．2010．00385 复杂背景下的大豆叶片识别汤晓东刘满华赵辉陶卫 (上海交通大学电子信息与电气工程学院仪器科学与工程系，上海200240) 摘要：利用计算机视觉和图像处理技术对叶片进行识别在农业领域逐步得到应用，但是，将叶片从具有复杂背景的图像中准确识别出来还是很难。本文提出了一种能有效地从具有复杂背景的图像中识别大豆叶片的算法。该方法首先利用基于 HSI空间的三次标记分水岭算法提取出目标叶片，而后计算出目标叶片的形态参数，最后利用训练好的概率神经网络分类器对大豆叶片进行识别。对大豆叶片120幅样本图像能达到85．37％的识别成功率，证明了此方法的有效性。关键词：图像处理；大豆叶片；叶片提取；概率神经网络；叶片识别中图分类号：TN911．73文献标识码：A 国家标准学科分类代码：510．4030 leaves of with Soybeanrecognitionimagescomplicatedbackground LiuManhuaZhaoHuiTaoW萌 TangXiaodong ofInstrumentScienceand of andElectrical (Department Electronic，Information Engineering，School Engineering， Jiao ShanghaitongUniversity,Shanghai200240，China) Abstract：Thevisionand havebeen usedto the computer imageprocessingtechniques widely recognizeplant leavesinthefieldof isstilla to theleavesfromthe agriculture．However,itchallengingproblemaccuratelyrecognize in with this effective to the leaves imagescomplicatedbackground．Ispresentedpaper．An algorithmrecognizesoybcan fromthe this marker-controlledwatershedmethodbasedonHSI complicatedbackgroundimages．Inalgorithm，the is toextractthe leaffromthe spaceapplied target complicatedbackgroundimagefirstly．Secondly,the ofthe leafare for trainedProbabilisticNeuralNetworksis target parameters computedrepresentation．Finally,t