毕业论文移动版

摘要传统的图像识别技术在 PC 平台上已取得诸多成功，而随着移动平台的快速普 及，在 Android 上实现花卉识别 APP 成为可能。

本文所描述的花卉识别 APP 使用 SaaS 服务的方式实现，在 Android 端实现 了图像数据的采集，在服务器端实现了花卉识别处理，这样既可以充分发挥移动设 备的便捷性，又可满足花卉识别算法所需的计算性能要求，一举两得。在 Android 端，本文实现了实时拍照和相册选取两种花卉图像采集方式，使用卡片式的展示方 式显示识别结果，保存部分识别结果。在服务器端，主要实现了花卉识别功能，并 且能够将每一次查询的图片与结果都保存下来，以便丰富花卉数据。81518

本文所描述的软件并非一个自动识别的智能软件，从效果来讲，这是一款花卉 识别的辅助软件，帮助人们去识别花卉的种类。对于输入的花卉数字图像，本文描 述的软件输出其最有可能的花卉种类，一种或两种。随着花卉数据的积累，使用更 加先进的高精度算法，本软件也是可以发展成为一款智能的识别软件。本 APP 使用 SaaS 服务的架构，因此可以非常方便地移植到 IOS、Web 等平台。

毕业论文关键词：  Android、模式识别、机器学习、机器视觉、花卉识别、SaaS 服务

Abstract Traditional image recognition technology had achieved a lot of success on the PC plat form。 In addition, with the rapid spread of mobile platforms, it is possible to make an APP about flower recognition for Android。

The APP about flower recognition in this paper uses the SaaS architecture。 Getting image data from Android mobile and processing the flower recognition on the server side, which both can give full play to the convenience of the mobile device, and can make full use of computing performance, kill two birds with one stone。 On Android, image data can be from both camera and gallery。 Recognition results can be displayed as cards like Google。 On the server side, except flower recognition processing, all images and results will be saved as flower data。

This is a auxiliary software of flower identification rather than an AI software。 It will help people to recognize flowers。 This software will output one kind or two kinds of flowers which are most like。 With the saving for data and more advanced ways, it will become a real AI。 The APP can be easily ported to IOS and Web due to the SaaS architecture。

Keywords: Android, Matrix Recognition, Machine Learning, Machine Vision, Flower Identification, SaaS

目录

第一章  绪论 1

1。1  花卉识别的研究背景 1

1。1。1 植物研究的意义 1

1。1。2 植物分类学的研究 1

1。1。3 花卉识别的可行性 2

1。1。4 花卉识别的方法 3

1。2  国内外研究现状 3

1。2。1 国外的研究现状 3

1。2。2 国内的研究现状 4

1。3  研究思路及内容结构 6

1。4  花卉识别的基本过程 6

第二章  图像处理和特征提取 8

2。1  图像处理和特征提取的基本过程 8

2。2  输入图像预处理 9

2。2。1 图像降噪 9

2。2。2 图像降噪 (责任编辑：qin)