图1-1 系统工作流程图

1。4 论文章节安排

第一章：本章从植物叶片识别的重要性与可行性两个方面阐述植物叶片研究的背景。简要的介绍了研究现状，并从研究现状中分析了现有的研究存在的不足来自优Y尔L论W文Q网wWw.YouERw.com 加QQ7520~18766 ，最后说明了本文的工作安排和章节安排。

第二章：本章主要介绍了图像预处理的原因以及本文中用到的三种图像预处理的方法。简要的介绍了图像灰度化处理、图像降噪处理以及图像形态学处理的主要思想、原理以及实施这些步骤的原因。

第三章：本章为本文的重点章节。本文提出了基于直方图的颜色特征提取、基于SIFT特征的叶片形状特征提取以及基于Gobor滤波器的纹理特征提取，并以此为依据进行图像的简单识别。这个部分主要介绍了它们的基本原理，算法的相对优点以及各个特征在MATLAB中的提取方法。最后介绍了本文中使用到的两种图像识别算法，即支持向量机和极限学习机。

第四章：本章介绍了识别系统的设计和实现过程。首先使用MATLAB搭建GUI用户界面，在后台实现图像获取、图像预处理、特征提取以及图像识别，完整的实现了交互式植物叶片识别过程。

第五章分为两个部分。一是结论，二是研究展望。通过实验验证了以颜色特征、SIFT特征以及Gabor特征为依据，进行植物叶片识别的可行性。最后给出了本次实验的研究展望。

2植物图像预处理

在叶片实际采集过程中，由于采集设备、外界环境、传输储存设备等的影响，图像的质量良莠不齐，影响图像质量的因素主要表现为以下方面：

  （1）植物叶片的颜色大多数会随着季节的变化而变化，会对图像识别造成一定的影响。论文网

  （2）成像设备、传输媒介以及存储设备的电器特性导致叶片图像在拍摄、传输、存储的各个环节中不可避免地会产生噪声。

  （3）受到天灾、病虫害等因素的影响，植物叶片中间可能会存在孔洞或者污点。

  （4）在实际生活中叶片图像的背景往往是复杂的，图像还会受到光照、拍摄角度等因素的影响。

    如何解决上述在自然条件下采集到的植物图像的缺陷，本文使用了图像灰度化、图像降噪以及形态学处理的方法进行图像预处理，其主要目的是为了提高图像质量，可以为人或者机器提供更有用的信息，为后续的特征提取和图像识别提供保障。

2。1 图像灰度化处理

由于在不同的季节，植物叶片的颜色会有所变化，在一定程度上会对图像识别造成干扰，所以去除图片的彩色信息，以得到更好的二值化目标图像。

RGB颜色模型是最常用的模型。当RGB这三个分量颜色相等的情况下时，颜色为灰色，这时候的三分量值叫做颜色的灰度值，而对三个分量值进行变换使三者相等的过程叫做灰度化。灰度化常用的方法有最大值、分量法、平均值法以及加权平均法。在实际处理中，使用加权平均的方法的处理效果高于其他的三种，得到的结果更加接近人眼的视觉感知。

2。2图像降噪处理

植物叶片图像的污点、相机成像的过程以及图像数据的传输过程都有可能成为噪声存在的来源，反映在图像上就是一些在视觉上明显孤立的像素点或者是像素块，严重时会直接影响观测效果。噪声的存在会影响图像的质量，在后续的工作之前进行图像降噪处理，这样会使图像更加清晰，目标区域的特征更加明显。 MATLAB基于植物图像的智能识别系统研究(3):http://www.youerw.com/jisuanji/lunwen_195796.html