Растения существуют везде, где мы живем, а также места и без нас. Многие из них несут важную информацию для развития человеческого общества. Неотложная ситуация такова, что многие растения находятся в опасности вымирания. Таким образом, это очень необходимо, чтобы создать базу данных для защиты растений. Мы считаем, что первым шагом является научить компьютер как классифицировать растения. По сравнению с другими методами, такими как сотовые и биологии молекула методов, основанных на классификации листьев файл является первым выбором для классификации листьев растений. Отбор проб листья и photoing их низкая стоимость и удобно. Можно легко перевести листьев файл на компьютер и компьютер может извлечь особенности автоматически методов обработки изображений. Некоторые системы используют описания, используемые ботаников. Но это не так легко извлечь и передать эти функции к компьютеру автоматически.
Мы разработали эффективный алгоритм для листьев классификации, которая объединяет статистику высокого порядка изображения показывает вместе с информацией формы и нейронной сети в качестве нелинейного классификатора. Код был протестирован с базой данных ФЛАВИЯ достижения отличную скорость распознавания из 92.09% (32 классов, 40 учебных изображений и оставшиеся изображения, используемые для тестирования для каждого класса, следовательно, есть 1280 учебных изображений и 627 тестовые изображения в общей выбраны случайным и не перекрытия существует между подготовки и тестовых изображений).
Наш подход превосходит алгоритм Флавия и, кроме того, не требует каких-либо человеком вмешался часть. В алгоритме FLAVIA в том, что вам нужно, чтобы отметить две клеммы главного вены листа с помощью мыши. . Расстояние между двумя терминалами определяется как физиологической длины
Требования
Matlab
Комментарии не найдены