基于BP神經網絡的紅松雌雄花的分類識別.pdf

1、近年來對于紅松結實量的預測還停留在人工分析和總結經驗的方法上，為了能夠使紅松結實量的預測工作實現(xiàn)自動化和高效化，所以現(xiàn)階段的研究方向主要是采用現(xiàn)代化的信息手段來預測紅松的結實量。本文主要的工作就是利用原野服務器傳回的紅松雌雄花圖像，提取雌花和雄花的形狀特征值，并利用人工神經網絡將紅松的雌花和雄花圖像進行分類識別，從而得到紅松雌花和雄花的確切數(shù)量。這些數(shù)據(jù)可以作為對紅松結實量預測的重要依據(jù)。
　　本文將原野服務器傳回的紅松雌雄花圖像

2、進行圖像的預處理，包括對圖像進行平滑去噪、灰度增強和區(qū)域分割。通過對大量的樣本進行實驗，找到最適合的模板來對圖像進行平滑處理。利用灰度變化將圖像進行增強處理，這樣就方便對圖像進行區(qū)域分割，將紅松雌雄花的花體和背景分離。
　　利用蟻群算法和GVF Snake模型結合的方法，對預處理后的紅松雌雄花圖像進行邊緣提取。對紅松雌雄花的邊緣圖像進行分析，提取出六種能夠區(qū)分雌花和雄花的特征值。在特征值提取的過程中應用改進的寬長比的提取方法，成功

3、的將寬長比這一特征值準確的提取出來。并進行實驗優(yōu)化了雌雄花的特征空間，對特征空間進行了降維處理，用寬長比、圓形度、伸長度和致密度這四個對分類貢獻較大的特征值組成紅松雌雄花的特征空間。
　　本文將BP神經網絡模型用一種粒子群優(yōu)化法進行優(yōu)化，主要優(yōu)化了網絡學習過程的收斂速度提高了學習能力。并用一種優(yōu)化選擇初始權值的方法，對網絡的初始權值進行選擇，使網絡在學習開始階段就處于較為優(yōu)化的狀態(tài)，不會陷入局部極小。本文設計的紅松雌雄花分類器就是