目前,毒蘑菇的鑒別方法主要包括,以民間經(jīng)驗為基礎的形態(tài)識別法、化學分析法和動物檢驗法等。以上識別方法在實際的檢測中存在需要復雜的實驗儀器,對不明毒素的檢測不理想,準確率不高且所需的實驗周期長等不足。本文針對目前現(xiàn)有的毒蘑菇鑒別方法存在的問題,在Android平臺上結合圖像處理技術、網(wǎng)絡通信、數(shù)據(jù)庫以及模式識別技術等知識,研究設計一款基于Android移動終端的毒蘑菇輔助識別系統(tǒng),以實現(xiàn)可以對毒蘑菇進行實時快速的識別分類,提高人們對毒蘑菇的認識。系統(tǒng)采用C/S架構,包括客戶端和服務器端。本文以內蒙古自治區(qū)呼倫貝爾地區(qū)野生蘑菇為研究對象,在MATLAB軟件環(huán)境下,對采集到的蘑菇圖像進行裁剪分割處理,根據(jù)其宏觀特征,提取顏色和紋理兩方面特征向量,構建特征向量組合作為分類器的輸入。針對所提取的特征參數(shù)非線性的特點,建立基于BP神經(jīng)網(wǎng)絡的毒蘑菇先驗分類模型。在Android平臺下進行客戶端的開發(fā),主要實現(xiàn)圖像的采集、裁剪及傳輸功能,用戶進入客戶端后需要選擇待識別圖像,可以通過調用客戶端攝像頭拍攝或在本地相冊中選擇添加,對選擇的圖像進行裁剪后并上傳到服務器進行識別分類。服務器端接收到圖像后,調用毒蘑...

【文章頁數(shù)】：63 頁

【學位級別】：碩士

【部分圖文】：

圖2-2K-means聚類算法流程圖

圖2-2K-means聚類算法流程圖g.2-2K-meansclusteringalgorithmflowc始類均值（質心），11211,,...kuuu。點對象與聚合中心的歐式距離，根分到距離它們最近的聚類中心所對所有的對像所對應的均值作為該類，更新類均值i....

圖2-4無毒蘑菇分割效果圖

直到算法收斂。按照上述算法對毒蘑菇圖像進行聚類分割，其中k=2，分割效果圖如圖2-3和圖2-4所示。

圖2-5葉狀耳盤菌Fig.2-5Phytophthora

圖2-4無毒蘑菇分割效果圖.2-4Non-toxicmushroomsegmentation數(shù)是毒蘑菇識別分類最關鍵的數(shù)毒蘑菇圖像進行圖像的特征提取征描述。由于毒蘑菇的形態(tài)特征和圖2-5所示。所以本文選擇提取毒

圖2-6HSI顏色空間模型

圖2-6HSI顏色空間模型Fig.2-6HSIcolorspacemodel了人的視覺系統(tǒng)感知彩色的方式，用色的方式是緊密相聯(lián)的與I分量與圖像要事實。這些特性使得HSI顏色模型非SI顏色模型進行顏色特征參數(shù)的提取亮度（Intensity）三個特征[23,2....

本文編號：4026518