脑瘫开题报告.doc

脑瘫,开题报告 篇一：开题报告 开 题 报 告 毕业设计题目： 植物叶片的形状特征提取及分类研究 浙江理工大学本科毕业设计（论文）开题报告 植物叶片的形状特征提取及分类研究 开题报告 一、 选题意义与可行性分析 植物是地球上物种数量最多、分布最广泛的生命形式。植物通过光合作用不断产生氧气，从而保持着大气中二氧化碳与氧气的平衡，植物也在不断地改善着人类的生活环境，它在水土保持、抑制荒漠和改善气候等方面起着至关重要的作用。植物是人类生存与发展的重要遗传资源，是人类的重要食物来源。可以说植物与人类的关系非常密切，人类的生活离不开植物。 现在，人类已经逐渐意识到保护植物的重要性。除了保护环境，避免生态被进一步破坏之外，对植物资源进行调查、识别、分类也越来越受到人们的关注。为了能更好地运用植物与识别植物，对植物的分类与识别成为了重要的研究领域。 相比较而言，植物的叶、花朵、果实和种子较为稳定，其图像比较适合于利用计算机来进行处理。由于花朵、果实和种子都是三维形状的物体，因此识别起来比较复杂，同时受季节因素的影响在非成熟期里不容易收集到样本。而叶片则基本上处于平面状态，适合进行二维图像处理，并且在一年大部分时间内都可以很方便地采集到，因此现阶段我们主要考虑使用叶片的图像来识别植物。 不同植物的叶片在颜色、叶形构造以及叶脉分布等外部特征上都不尽相同，可以利用植物叶片的特征来对植物进行分类。为了辨识和分析植物叶片图像中的叶片目标，需要将叶片图像从整幅图像中分离提取出来，此过程就涉及到植物叶片图像的图像分割。图像分割就是指根据形状、颜色、纹理等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。 本研究将使用Matlab从“轮廓”这个局部中找出特征来判断“形状”这个总体。 二、 国内外研究现状 2.1国外研究现状 植物分类学的起源可以追溯到人类接触植物的原始社会。 1753 年，瑞典植物学家林奈（Linnaeus）出版的重要著作《植物种志》[1]，根据雄蕊的有无、数目多少和着生情况对植物进行分类， 所建立的分类系统， 奠定了近 代植物分类学的基础，是人为分类系统的典型。 2003年，Helly等[2]开发了植物叶斑自动检测系统，将叶斑的颜色、尺寸、形状特征用于黄瓜3 种常见病的识别。 随后，又有很多研究者进行相关研究。 Pydipati等[3]在实验室光照环境下，采用HIS颜色模型，用色彩共生纹理分析法结合统计分类算法对柑橘正常叶片、油斑病叶片、黑斑病叶片、疮痂病识别，准确率超过95%。 T.Saitoh等人[4]在工作中使用花朵和叶片的图像来识别野生种类的植物。 Shearer S.A等人[5]在识别过程中参考使用了植物叶片纹理的特征，他们提取了11个纹理特征，在RGB空间上产生了33个彩色纹理特征，对7种人工培育的植物进行识别。 Franz E.等人[6]利用植物叶片边缘的曲率来对植物进行识别，对于全部可见和部分可见的叶片边缘用曲率来表示。 最近，H Ling[7]使用内距离来见着性状特征并且提出了内距离性状Context，这个在几个形状库上都运行的很好，包括瑞士植物叶片数据库。 2.2国内研究现状 一些研究者针对叶特征自动提取方法和技术进行了相关研究。 祁亨年等[8]提出了基于叶片特征的计算机辅助植物识别模型，对叶片大小、形状、叶缘、锯齿等特征的提取进行了初步研究。同年，毛罕平等[9]研究了番茄缺素叶片颜色特征和纹理特征提取和优化选择方法。 朱静等[10]设计了植物叶形的计算机识别系统，对叶片的一些基本形态特征，如长宽比、最宽处位置、叶基部凹陷程度、叶缘及叶裂等提取进行了研究。测试结果虽然较好，但并没有实现对植物种类的识别。 赵玉霞等[11]根据玉米叶部病害特点，综合应用阀值法、区域标记方法与Freeman链码法，对玉米叶部病害图片进行图像分割和特征的提取。 刘立波等[12]研究了根据病斑区域的颜色特征和纹理特征识别水稻叶瘟病的方法，为进一步实现水稻病害自动诊断打下了基础。 马晓丹等[13]运用图像处理技术和神经网络技术，基于病斑 RGB 颜色特征实现了大豆叶片病斑区域的识别（准确率可达 100%）。 王娜等[14]研究了根据病斑颜色、纹理、形状特征识别3种玉米叶部病害的方法，利用计算机视觉技术实现玉米叶部病害的自动识别诊断。 王晓峰等[15]研究了叶片特征提取及识别,首先对叶片图像进行预处理并且提出叶片的轮廓，然后利用轮廓计算得到叶片的矩形度、圆形度、偏心率等八项几何特征和七个图像不变矩，同时提出了一种新的移动中心超球分类器，利用其对得到的形状特征进行分类从而实现了对20多种植物叶片的快速识别。 傅弘等[1