基于SVM梅花种类识别系统的设计+源代码(2)
1 绪论
1．1 研究背景与意义
提供一款自动识别植物种类的系统，能帮助人们快速，精准的识别植物种类，减轻了园艺工作专业人员的负担，提高了植物的识别的效率。解决了广大园艺工作者依靠长期积累的经验和记忆的传统方法去识别植物的种类，耗费时间长而且准确率不高的问题。很明显，基于图像处理分析的植物分类与识别特别是对园艺方面的工作具有很重要意义。此外,对从大自然中获取的自然物体的图像选择合适算法进行目标区域的分割提取、能够进行高效率的分类器设计以及逐步提高识别准确率的模式识别也是图像处理及模式识别领域具有挑战性重要技术的研究课题,具有较高的理论价值。梅花是中国获得国际花卉登录权的花卉之一，同时对于梅花的研究在中国在植物研究中也处于领先地位。而且梅花种类繁多，所以在植物的分类识别中也具有一定的代表性。
1．2国内外发展及研究现状
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，得到局部分形文数图后，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文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Harris-Laplace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。
1.3.2 技术路线
（1）梅花图像的分割
首先将自然环境下拍摄的梅花进行图像预处理，即将梅花图像灰度化。然后利用双毯子算法计算梅花每一个像素点的分形文数，并将它映射到0到255区间，得到梅花的局部分形文数图，再次利用大津阈值对图像进行分割。由于图像中存在噪声，所以需要对图像进行去噪。然后利用填充去的梅花花朵区域的空洞，让图像与原图做逻辑与，以便进行下一步颜色的分割。颜色分割FCM聚类算法进行分割，最后再进行大津阈值分割和形态学开操作作为后续处理。