搜索资源列表
animageprocessingexample
- 一个图象处理处理程序,可实现边缘检测,轮廓提取,模板匹配,Hough变换,投影,图象复原,阀植分割,等功能,自己去研究吧,还有更多功能-an image processing and handling procedures can be realized edge detection, contour extraction, template matching, Hough transform, Projection, image recovery, valve plant segmentati
seg
- 对植物图像进行图像分割，区域标记，区域提取-Images of plant image segmentation, region markers, regional extraction
d4ef13.ZIP
- 火电厂抽取式烟气监测分析系统维护方法的新探索Thermal power plant flue gas monitoring and analysis system for extraction type maintenance new method exploration-Thermal power plant flue gas monitoring and analysis system for extraction type maintenance new method exploratio
f8
- 火电厂机组效率计算公式，八级抽汽二次再热，再热点为第二第三级。-Power plant unit efficiency calculation formula of 8 second reheat extraction, hot spot for the second and third level again.
diseases-and-recognition
- 用图像处理、植物病理学、色度学、几何特征、距离特征等方面的知识,研究了作物病害受害程度的检测,以生产中常见的玉米小斑病、水稻纹枯病、水稻稻瘟病为研究对象,经过图像预处理后提取作物的颜色特征、几何特征、距离特征,建立了作物危害程度检测模型-With knowledge of image processing, plant pathology, colorimetry, geometry, distance characteristics and other aspects of the study
one
- 基于叶片数字图像的植物识别是自动植物分类研究的热点。但是随着植物种类的增加，传统的分类方法由 于提取的特征比较单一或者分类器结构过于简单，导致叶片识别率较低。为此，本文提出使用纹理特征结合形状 特征进行识别，并且使用深度信念网络构架作为分类器。纹理特征通过局部二值模式、Gabor 滤波和灰度共生矩阵 方法得到。而形状特征向量由 Hu 氏不变量和傅里叶描述子组成。为了避免过拟合现象，使用“dropout”方法训练 深度信念网络。这种基于多特征融合的深度信念网络的植物识别方法-Plant based
two
- ：植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。然而，低维特征不能全面描述叶片信息，识别准确率低，本文提 出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理，获得去除颜色、虫洞、 叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征，对灰度图像提取 Hu不变矩特征、灰 度共生矩阵特征、局部二值模式特征和 Gabor 特征，对纹理图像提取分形维数，共得到 2183 维特征参数。再采用主成分分析与线性 评判分析相
植物虫害检测（GUI，注释，svm算法）
- 植物虫害检测（GUI，注释，svm算法） 该课题为基于MATLAB SVM方法的植物病害检测系统，带GUI界面，可以识别多种被虫害侵蚀的植物叶子，输出结果。带论文和详细注释。 train 对黄瓜子文件夹所有图片提取 颜色矩特征和gabor纹理特征，然后svm训练 test 对测试图像灰度化，滤波，提取 颜色矩特征和gabor纹理特征，然后svm模型测试，输出类别 colorMom.m 颜色矩特征提取 Gabor_palm.m gabor纹理特征提取(Plant pe