流行学习算法在植物叶片识别中的应用开题报告

1. 研究目的与意义（文献综述）

1.1 研究目的及意义

当今世界，植物识别或分类的方法多种多样，例如对比植物的水果，根，花，叶等。但一般植物的叶片数量充足，容易采集，信息也充足，故可以通过识别植物叶片进行植物分类。近年来，流行学习算法被引入到植物叶片识别中，该算法的核心思想是对提取到的植物叶片特征进行维度约简：首先提取原始叶片图像的高维特征，然后利用流行学习算法对提取的高维特征约简，得到高维特征的低维嵌入，在低维空间实现叶片图像特征信息的聚类，通过计算流行-流行距离进行植物叶片识别。

众所周知，植物在维持自然界生物链平衡，保持生态环境稳定等方面起着必不可少的作用。人们提倡保护环境，首先要保护植物，而保护植物首先又要认识植物。当我们漫步在田野，我们可以找到很多的植物。然而，我们很少知道他们的名字。现在地球上大约有270000种的植物被命名，还有许多种仍未知。而植物叶片识别能够通过植物的叶片识别植物的类别，保护植物，使稀有植物物种避免灭种的危险，保护植物物种的多样性。另外，目前我国已发现可用来治疗和抵御疾病的植物类中草药多达一万多种，其中药类植物的分类与识别也是非常重要的。

2. 研究的基本内容与方案

2.2 基本内容

2.2.1预处理

首先对收集到的植物叶片进行图像灰度化、图像降噪等预处理操作；

3. 研究计划与安排

(1)2016/1/11—2016/1/22：查阅参考文献，明确选题；

(2)2016/1/23—2016/3/7：进一步阅读文献，并分析和总结；确定技术路线，完成并提交开题报告；(3)2016/3/8—2016/4/26：需求分析，算法或系统设计，分析、比较或实现等；(4)2016/4/27—2016/5/27：撰写论文初稿；修改论文，定稿并提交论文评审；(5)2016/5/28—2016/6/7：准备论文答辩。

4. 参考文献（12篇以上）

[1]yonekawas, sakain, kitanio. identification of idealized leaf types using simple dimensionless shape factors by image analysis[j]. transactions of the asae, 1996, 39(4):1525-1533.

[2]sderkvist o. computer vision classification of leaves from swedish trees[j]. teknik och teknologier, 2001.

[3]祁亨年, 寿韬, 金水虎. 基于叶片特征的计算机辅助植物识别模型[j]. 浙江农林大学学报, 2003, 20(3):281-284.