第一章绪论
1.1选题意义和依据
在地球这个巨大的生态圈中，植物与人类以及环境有着密不可分的关系。植物作为生物圈中最基础目_最重要的生产者，植物通过光合作用不仅维持了氧气和二氧化碳的平衡，还为其他物种包括人类提供生存环境及食物来源。于此同时，植物维护自然界的生态系统平衡，保持物种多样性，在水土保持、荒漠化抑制、气候改善等方面发挥着无可替代的巨大作用。据统计，地球上大约有300, 000种植物，其中被植物学家命名和记录在案的约有250, 000种。我国是世界第二大植物物种资源库，仅高等植物就有35, 000多种(黄志开2006)。但近些年来，随着自目追求经济增长，人类对植物资源过度利用及环境的破坏口益加剧，致使大量的植物从地球上消失或濒临火绝的境地。
当前，随着可持续发展观念的深入，人类已经意识与自然环境协调发展的重要性，植物保护也越来越受到人们的重视。对植物进行分类研究则是对其进行保护的前提和关键，但面对自然界中庞大的植物家族，任何一个植物学家都不可能熟知所有物种名称及特性，这就给进一步的研究和保护带来了困难，并目_传统的植物识别方法一般是选用如根、茎、叶、花、果、种子等植物的局部特征，通过人工采集标本来测量并获得这些特征数据，再进行数据的分析和比对来确定植物间的种类和亲缘关系。这些传统的识别和鉴定方法明显存在工作效率低、缺乏可共享性目_客观性难以保证的缺点，影响了数据分类的精确性。
另一方面，植物分类学借助计算机的强大计算能力，可以对植物性状进行快速客观的分类，避免了人工采集大量标本进行观察、测量取值等工作效率低、工作量大并数据客观性难以保证的缺点。同时对于叶片颜色、叶片形状等性状的描述也因为自动图像测量精确化。这些优点都大大提升了数据分类的客观性和精确性。另外借助于计算机图像处理和分析技术的技术手段。如果所选择的性状是可以直接观察或通过图像观察到的特征，就有可能用计算机自动、高效、精确获取从相应的数字化图片上获得性状数据。因此，有必要进行计算机辅助的植物性状特征的自动获取的研究，实现植物物种的机器识别。
近年来，伴随着计算机信息技术的发展，计算机视觉技术、图像分析技术和模式识别已广泛应用于各个行业和领域，如文字识别、人脸识别、商标识别和医学图像分析等。具体做法是:结合应用领域知识，提取待识别目标对象的一些稳定特征，根据建立好的识别模型来进行预测，实现对目标物的分类。
对于植物的分类来说，虽然植物的根、茎、花、果、种子等局部特征对于植物的分类有一定的价值，但这些部位的采集和处理往往比较麻烦，易受时间和植物生长过程的制约。相反，植物叶片由于形态上的多样性，叶片的形状、纹理等都可以拿来作为分类依据，而叶片也是比较容易采集到的(土晓峰Zoo6>。因此，识别植物最简单和最直接有效的方法就是通过叶片信息。故本文通过提取植物叶片特征参数来完成识别。另外相比较花朵、果实、种子等二维形状的物体而言，植物的叶片则基本上处于平面状态，适合于利用计算机进行二维图像处理，并目_在一年大部分时间内都可以很方便的采集到，因此现阶段我们主要考虑使用叶片的图像来识别植物。
鉴于上述，为了给植物分类学家和农业工作者提供有效的植物叶片分类方法，本文首先分析比较可行的图像获取方案，在研究图像增强技术的基础上，研究基于图像分析的叶子周长、面积、、最小外界矩形、矩形度、长宽比、致密度等植物叶子特征参数的提取方法，采用图像分析与处理技术和模式识别技术相融合，针对木瓜、二角枫、五角枫、女贞等4种植物叶片，建立识别模型，并结合实际需要，用MATLAB的GUIi具开发一个基于图像处理和SVM的植物叶片分类系统。
1.2国内外研究现状
在农业工程的各个领域中，应用图像分析与处理技术，不仅能够改善图像质量及提高感官效果，还进一步应用于气象分析(周庭泽等1991)、医学分析(蒋先刚2009),智能检测、公共场所安全管理等领域。自上世纪90年代，计算机辅助的植物叶片分类工作已经开展，但迄今为止还没有一种通用快速有效的植物叶片识别算法。
3.3 叶片形状特征参数的....... 27-30
3.3.1 矩形度 .......28
3.3.2 伸长度....... 28
3.3.3 圆形度....... 28
3.3.4 致密度....... 28
3.3.5 不变矩....... 28-30
3.4 叶片的纹理特征....... 30-32
3.4.1 纹理特征....... 30
3.4.2 纹理特征....... 30-32
3.5 本章小结....... 32-33
第四章 植物叶片模式....... 33-42
4.1 基于支持向量机的叶片....... 33-37
4.2 基于神经网络的叶片识别....... 37-39
4.3 Fisher 判别算法....... 39-41
4.4 识别算法的对比....... 41
4.5 本章小结....... 41-42
第五章 植物叶片识别....... 42-48
5.1 MATLAB 的 GUI 工具....... 42
5.2 系统构建....... 42-45
5.2.1 系统功能图....... 42-43
5.2.2 GUI 创建....... 43-45
5.3 叶片分类系统测试....... 45-47
结论
为了实现植物叶子便捷分类并提高植物叶片的识别率，本文选择了木瓜、二角枫、五角枫和女贞等4种植物叶片为对象，对叶片识别的主要技术进行研究，重点研究了叶片图像预处理方法、叶子特征提取方法和植物叶片识别模型构建方法，并结合MATLAB的GUI设训一了植物叶片分类系统。得到结论如下:
(1)对采集的木瓜、二角枫、五角枫和女贞4种叶片的图像，论述了图像灰度化方法，重点研究了图像平滑、中值滤波和形态学滤波方法，实验结果表明，中值滤波方法可有效去除图像噪声，并可保持边缘信息;研究了叶子对象从背景中分离出来的自定义闽值法和最大类间方差方法，结果表明，最大类间方差法可有效将叶子从背景中分割出来。
参考文献
曹治华，宋斌恒.2006.多种形状窗日下的快速中值滤波算法.计算机应用研究.3 :85 -88
陈敏.2006一种自动识别最优闽值的图像分割方法.计算机应用与软件.23 4 :8586
杜吉祥，江增福.2008.基于径向基概率神经网络的植物叶片自动识别方法.模式识别与人工智能.21 :206-213
玛斌.2002.计算机视觉信息处理方法与水果分级检测技术研究博士学位论文北京:中国农业大学
傅弘，池析儒，‘常杰.2004.基于人工神经网络的叶脉信息提取一植物活体机器识别研究.植物学通报.21 4 :429-43 6 0
傅星卢汉清罗曼丽.1994.应用计算机进行植物自动分类的初步研究.生态学杂志.13 C2 :69-71
AbbasiS,Molhtarina,FKittlerJ.1997.Reliable classification of chrysanthemum levaes through curvatu-re scale space.ICSSTCV97(8):284295
Backes, A. R.,&Bruno, O. M. 2009. Plant leaf identification using multi-scale fractal dimension. InInternational Conference On Image Analysis And Processing.(3):143一150
Barks T F,Shearer S A,Heath J R.2005.Evaluation of neural-net<vork classifiers for weed speciesdiscrimination. Biosystems Engineering.91(3):293一304
Bruno,O.M, de Oliveira Plotze.R, Falvo, M,&de Castro, M. 2008. Fractal dimension applied to plantidentification. Information Sciences.178:2722-2733
C. C. Chen.1993.Improved moment invariants for shape discrimination.Patern Recognition.26(5):683-686