1。2 国内外研究现状及发展趋势

1。3 课题研究内容及成果

1。3。1 课题研究内容

(1) 研究灰度线性变换，中值滤波算法等图像预处理技术

针对彩色图像处理不方便，应先对其进行灰度化处理；为了增强图像的灰度对比度，便于图像的后续识别处理，利用灰度线性变换方法将对图像进行对比度增强处理；针对图像中出现的噪声，采用中值滤波算法进行图像平滑处理，去除噪声干扰。本课题将研究选择合适的图像预处理技术，使生成的图像更容易完成后期处理[4]。

(2) 研究基于多种特征组合的提取、匹配方法

图像识别的重要步骤是特征提取，为了保证对图像进行后续处理后的质量，生成的特征具有被描述对象的重要的属性，它们必须满足以下要求：唯一性、完整性、几何变换不变性、灵敏性和抽象性。常用的图像特征包括颜色特征、纹理特征、边缘特征、形状特征等。如何选择合适的特征来实现高性能的识别，将成为我们呢课题的研究方向之一。

 (3) 研究基于智能手机系统平台的app开发

由于智能手机系统平台的便携特性，本项目选择其完成应用的数据采集和预处理部分。具体系统平台为安卓2。3以上版本。这一部分将完成图像预处理，图像特征提取，特征上传和界面功能。如何在安卓智能手机平台上开发一个app应用将是本课题的研究方向之一。

(4)研究服务器—客户端模型

鉴于智能手机平台处理速度慢，内存小等问题，系统的核心部分：图像识别与分类将放在服务器端，对原始数据库进行学习和训练，最终将分类完成的资料传回智能手机端。

1。3。2 课题研究成果文献综述

课题研究成果分为两个部分，一是基于SIFT特征和颜色特征的花卉识别研究，二是开发的手机实时图像识别系统。

图片识别过程分为图像预处理，特征提取，模板匹配三部分。图像预处理第一步将图片灰度化，减少计算量，第二步用直方图均衡化算法增强图像，第三步使用中值滤波消除噪声，第四步将图片归一化。特征提取时，使用经过预处理的图片提取SIFT特征，再在原图上提取颜色直方图特征。最后，使用模板匹配算法匹配特征，得到结果[5]。

所开发的手机实时图像识别系统是基于服务器——客户端模型的系统，客户端为Android系统，服务器为windows服务。Android客户端实现了图片的拍摄，选择，压缩，上传和结果显示功能。服务器端分为两个部分，windows服务的识别部分，一个是管理员的管理部分。管理部分实现花朵类型的添加，花朵的训练，和识别测试功能。

第二章  图像预处理与特征提取

2。1 图像预处理

2。1。1 灰度化

对图像进行灰度化处理[6]，就是将我们得到的彩色图像变成灰度图像的一个过程。在彩色图像中，它的每一个像素都是由三个分量决定，即R、G、B，并且每一个分量都会有255个中值可以获取，这样的话，那一个像素的颜色的变化范围就可以有16000000（即255 * 255 * 255）左右。我们知道灰度图像是一种特殊的彩色图像，它的三个分量R、G、B是相同的，而且它的其一个像素点有255种的变化范围。因此，在数字图像处理中，我们一般首先把获取的各种格式的图像转换成为灰度图像，从而使图像的后续计算变的少一些。得到灰度图像之后对其进行描述，反映出了整幅图像的一个整体、局部颜色及其亮度水平，即分布和特征，这和彩色图象描述一致。来,自.优;尔:论[文|网www.youerw.com +QQ752018766-

RGB模式中，当R = G = B的时候，用一个灰色的颜色进行表示，当R = G = b的时候得到的值称为灰度值。所以，每个像素的灰度级的图像只是一个字节存储的灰度值，0-255的灰度范围。我们这里有四种方法可以使彩色图像灰度化：