已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、油茶在我國南方的森林生態(tài)系統(tǒng)中占有很重要的部分,除了給人們提供優(yōu)質(zhì)食用之外,還具有凈化空氣、美化環(huán)境、覆蓋國土和保護水土資源等巨大的生態(tài)和社會效益。目前,我國油茶的畝產(chǎn)量并不高,由油茶害蟲引起產(chǎn)量嚴重損失是其中一個重要原因。本文以油茶害蟲作為研究對象,用圖像處理和模式識別的相關技術來實現(xiàn)油茶害蟲圖像的識別。本文主要內(nèi)容如下:
(1)為了減少圖像中的噪聲,提高圖像質(zhì)量,需要對采集到的油茶害蟲圖像進行預處理,通過分析比較,采用直方
2、圖均衡化增強,接著運用中值濾波技術對圖像進行平滑。在圖像噪聲明顯減少后,應用了一種基于鄰域最大差值與區(qū)域合并的分割方法,從而實現(xiàn)對油茶害蟲圖像的分割。經(jīng)過仿真實驗表明,采用基于鄰域最大差值與區(qū)域合并分割算法與其他分割方法相比能取得更好的效果。
(2)在油茶害蟲圖像特征提取階段,討論了全局特征中的顏色、形狀、不變矩等特征,并重點研究局部特征中的尺度不變特征轉(zhuǎn)換(SIFT)特征,并將廣泛應用于文本分類中的BoW模型引用到油茶害蟲圖
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于SVM圖像分類方法的研究.pdf
- 基于SVM方法的醫(yī)學圖像分類研究.pdf
- 基于SVM的圖像分類研究.pdf
- 基于SVM的圖像分類與標注方法的研究.pdf
- 基于SVM的圖像分類.pdf
- 基于LCV和SVM的小麥害蟲圖像識別方法研究.pdf
- 基于SVM的醫(yī)學圖像分類.pdf
- 基于SVM分類的圖像邊緣檢測研究.pdf
- 基于SVM的高光譜遙感圖像海面溢油分類方法研究.pdf
- 基于目標分解和SVM的POL-SAR圖像分類方法研究.pdf
- 基于SVM及特征加權的圖像分類研究.pdf
- 基于SVM的食物圖像分類算法的研究.pdf
- 基于底層特征和SVM的圖像分類.pdf
- 基于圖像識別的儲糧害蟲分類的研究.pdf
- 基于SVM的郵件內(nèi)容分類方法研究.pdf
- 基于SVM和DS圖像數(shù)據(jù)融合的玉米害蟲識別.pdf
- 基于SVM的車型自動分類方法的研究.pdf
- 基于SVM的圖像分類與檢索技術的研究.pdf
- 基于支持向量機SVM的水稻害蟲圖像識別技術研究.pdf
- 基于圖像處理的儲糧害蟲檢測方法研究.pdf
評論
0/150
提交評論