Planter findes overalt vi bor, samt steder uden os. Mange af dem bærer væsentlige oplysninger for udviklingen af det menneskelige samfund. Det presserende situation er, at mange planter er i fare for at uddø. Så det er meget nødvendigt at oprette en database for plantebeskyttelse. Vi mener, at det første skridt er at lære en computer, hvordan at klassificere planter. Sammenlignet med andre metoder, såsom celle- og molekyle biologi metoder, klassifikation baseret på blad billede er det første valg for blad plante klassificering. Stikprøver blade og photoing dem er billige og praktisk. Man kan let overføre blad billede til en computer og en computer kan udtrække funktioner automatisk billedbehandlingsteknikker. Nogle systemer anvender beskrivelser bruges af botanikere. Men det er ikke let at udvinde og automatisk at overføre disse egenskaber til en computer.
Vi har udviklet en effektiv algoritme til blad klassificering, der kombinerer høj-ordens statistik af billedet funktioner sammen med oplysninger form og neurale netværk som lineær klassificeringen. Koden er blevet testet med FLAVIA database opnå en fremragende anerkendelse på 92,09% (32 klasser, 40 uddannelse billeder og de resterende billeder, der bruges til undersøgelse for hver klasse, og derfor er der 1280 uddannelse billeder og 627 test billeder i alt tilfældigt udvalgt, og ingen overlapninger mellem de uddannelses- og testbilleder).
Vores tilgang udkonkurrerer FLAVIA algoritme og desuden er det ikke kræver nogen menneskelig blandede del. I FLAVIA algoritme faktisk du har brug for at markere de to terminaler i de vigtigste vene af bladet via museklik. . Afstanden mellem de to terminaler er defineret som den fysiologiske længde
Krav :
Matlab
Kommentarer ikke fundet