《植物圖像識別中的新型特徵提取與分類算法研究》是依託中國科學院合肥物質科學研究院,由杜吉祥擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名:植物圖像識別中的新型特徵提取與分類算法研究
- 項目類別:青年科學基金項目
- 項目負責人:杜吉祥
- 依託單位:中國科學院合肥物質科學研究院
- 批准號:60805021
- 申請代碼:F0304
- 負責人職稱:教授
- 研究期限:2009-01-01 至 2011-12-31
- 支持經費:19(萬元)
《植物圖像識別中的新型特徵提取與分類算法研究》是依託中國科學院合肥物質科學研究院,由杜吉祥擔任項目負責人的青年科學基金項目。
《植物圖像識別中的新型特徵提取與分類算法研究》是依託中國科學院合肥物質科學研究院,由杜吉祥擔任項目負責人的青年科學基金項目。項目摘要基於圖像的植物物種識別是植物分類學和農業自動化領域中的一項新興的套用基礎研究。本項目將根...
本項目對植物圖像特徵提取,聚類多樣性檢索、面向分類的多子流形學習等內容進行了較為全面的研究。首先提出了基於最大散度評估的植物圖像聚類多樣化檢索技術,該方法使用重排技術和SVM相關反饋的檢索機制,再使用AP聚類算法,使檢索結果同時具有...
第4章最大最小判別映射植物葉片圖像分類方法研究95 4.1最大最小判別映射方法96 4.2實驗結果與分析102 4.3小結105 參考文獻105 第5章基於葉片圖像和監督正交最大差異伸展的植物識別方法 研究108 5.1監督正交最大差異投影算法109 5....
本書主要對圖像特徵抽取算法進行研究和總結,使讀者可以快速了解和掌握最新的特徵抽取算法。主要內容包括:基於非負低秩表示的半監督學習方法;一種自適應Gabor圖像特徵抽取和權重選擇的人臉識別方法;距離保持投影非線性降維技術的可視化與分類...
提高大樣本數據條件下的計算速度和病斑特徵的區分度;(3)研究基於倒排索引改進勢函式的黃瓜病害圖像分類識別,尋求使用大容量自然情況下拍攝樣本案例訓練以減少傳統算法對病害樣本庫的依賴性,提高黃瓜病害識別準確率。
本書以Hadoop雲計算為基礎,對海量植物葉片圖像處理關鍵技術進行了研究,主要內容如下:(1)提出了基於Closed-form摳圖算法的複雜背景下植物葉片圖像提取方法。(2)提出了基於PCA和AdaBoost.M1的植物葉片圖像識別方法。(3)設計了一個以Hadoop...
基於測量的光譜數據,進行了上述藻種的分類和識別算法研究,如2維主成分分析法(2D PCA)、小波算法、各種圖像模式識別算法等。基於經典的2D PCA算法,識別的成功率超過95%。該結果優於基於分光光度計測量的三維螢光光譜數據的分類識別...
本論文以特徵提取方法和圖像匹配技術為研究目標,以人臉識別為套用背景,針對不同的特徵提取方法進行深入探討和研究,所提出的一些改進算法能有效地提高人臉識別率。主要研究內容和成果包括:(1)圖像匹配的目的是把兩幅或多幅圖像在空間上進行...
同時,通過引入追蹤算法的反饋來調節分割算法的參數而糾正局部分割錯誤,對欠分割和過分割錯誤進行識別和局部修復。最後,基於匈牙利算法並開發了一種能重新連線被噪聲和其他原因中斷的細胞軌跡的算法。該項目成功探索了顯微鏡圖像棧序列中植物...