一种基于制造技术

本发明专利技术提供一种基于

【技术实现步骤摘要】
一种基于SVM和HOG的叶子图像特征提取识别系统


[0001]本专利技术涉及叶子图像特征提取领域，尤其涉及一种基于
SVM
和
HOG
的叶子图像特征提取识别系统
。

技术介绍

[0002]叶子是高等植物的营养器官，侧边发育自植物的茎的叶原基，叶内含有叶绿体，是植物进行光合作用的主要器官，同时植物的蒸腾作用也是通过叶子的气孔实现的，叶子可以有各种不同的形状
、
大小
、
颜色和质感
。
[0003]目前在户外对叶子采集后进行图像特征进行提取时会使用
HOG
和
SVM
进行提取，并进行图像的显示和处理，但是现在的设备在对不同的叶子图像处理后会将数据上传至数据库中进行存放，但是现在的数据库只起到存放的作用，在数据库出现损坏时却无法对数据库中的数据进行安全保护的操作，从而容易出现数据的丢失
。
[0004]因此，有必要提供一种基于
SVM
和
HOG
的叶子图像特征提取识别系统解决上述技术问题
。

技术实现思路

[0005]本专利技术提供一种基于
SVM
和
HOG
的叶子图像特征提取识别系统，解决了现在的数据库只起到存放的作用，在数据库出现损坏时却无法对数据库中的数据进行安全保护的操作，从而容易出现数据的丢失的问题
。
[0006]为解决上述技术问题，本专利技术提供的一种基于
>SVM
和
HOG
的叶子图像特征提取识别系统，包括：
[0007]预处理模块，所述预处理模块的输送带设置有特征提取模块；
[0008]SVM
模块，所述
SVM
模块设置于所述特征提取模块的输送端；
[0009]储存模块，所述储存模块设置于所述
SVM
模块的输送端；
[0010]远程输送和查询模块，所述远程输送和查询模块设置于所述储存模块的输送端
。
[0011]优选的，所述预处理模块包括图像灰度化单元
、
滤波处理单元
、
二值化和形态学处理单元
。
[0012]优选的，所述特征提取模块包括彩色和伽马归一化
、
计算图像阶梯
、
构建方向的直方图
、
将细胞单元组成大的区间和收集
HOG
特征
。
[0013]优选的，所述储存模块包括数据库储存单元
、
数据备份单元和数据拷贝单元
。
[0014]优选的，所述数据备份模块作用于对收集的数据进行多次储存，防止数据的丢失
。
[0015]优选的，所述数据拷贝模块作用于使用者对数据库中的数据进行另存和携带
。
[0016]优选的，所述远程输送和查询模块包括无线输送单元和信息查询单元
。
[0017]优选的，所述无线输送单元作用于操作人员户外叶子采集时远程连接数据库进行查询
。
[0018]优选的，所述
SVM
模块作用于调用
PolynomialSVC
函数进行分类可视化和调用非线
性
SVM
分类，实例化
SVC
进行核处理
。
[0019]与相关技术相比较，本专利技术提供的一种基于
SVM
和
HOG
的叶子图像特征提取识别系统具有如下有益效果：
[0020]本专利技术提供一种基于
SVM
和
HOG
的叶子图像特征提取识别系统，在户外采集叶子后通过预处理模块
、SVM
模块和特征提取模块对叶子进行图像提取处理后，可以直接输送至数据库中进行存放，而使用储存模块能对数据库中的存放的数据起到保护的作用，防止数据库出现损坏时可以防止数据的丢失
。
附图说明
[0021]图1为本专利技术提供的一种基于
SVM
和
HOG
的叶子图像特征提取识别系统的一种较佳实施例的结构示意图；
[0022]图2为图1所示的预处理模块内部的示意图；
[0023]图3为图1所示的特征提取模块内部的示意图；
[0024]图4为图1所示的储存模块内部的示意图；
[0025]图5为图1所示的远程输送和查询模块内部的示意图
。
具体实施方式
[0026]下面结合附图和实施方式对本专利技术作进一步说明
。
[0027]请结合参阅图
1、
图
2、
图
3、
图4和图5，其中，图1为本专利技术提供的一种基于
SVM
和
HOG
的叶子图像特征提取识别系统的一种较佳实施例的结构示意图；图2为图1所示的预处理模块内部的示意图；图3为图1所示的特征提取模块内部的示意图；图4为图1所示的储存模块内部的示意图；图5为图1所示的远程输送和查询模块内部的示意图
。
一种基于
SVM
和
HOG
的叶子图像特征提取识别系统，包括：
[0028]预处理模块，所述预处理模块的输送带设置有特征提取模块；
[0029]SVM
模块，所述
SVM
模块设置于所述特征提取模块的输送端；
[0030]储存模块，所述储存模块设置于所述
SVM
模块的输送端；
[0031]远程输送和查询模块，所述远程输送和查询模块设置于所述储存模块的输送端
。
[0032]所述预处理模块包括图像灰度化单元
、
滤波处理单元
、
二值化和形态学处理单元
。
[0033]所述二值化可以分为全局二值化和局部自适应二值化：
[0034]全局二值化：
[0035]一幅图像包括目标物体
、
背景还有噪声，要想从多值的数字图像中直接提取出目标物体，最常用的方法就是设定一个全局的阈值
T
，用
T
将图像的数据分成两部分：大于
T
的像素群和小于
T
的像素群，将大于
T
的像素群的像素值设定为白色
(
或者黑色
)
，小于
T
的像素群的像素值设定为黑色
(
或者白色
)。
[0036]全局二值化，在表现图像细节方面存在很大缺陷
。
为了弥补这个缺陷，出现了局部二值化方法
。
[0037]局部二值化的方法就是按照一定的规则将整幅图像划分为
N
个窗口，对这
N
个窗口中的每一个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于
SVM
和
HOG
的叶子图像特征提取识别系统，其特征在于，包括：预处理模块，所述预处理模块的输送带设置有特征提取模块；
SVM
模块，所述
SVM
模块设置于所述特征提取模块的输送端；储存模块，所述储存模块设置于所述
SVM
模块的输送端；远程输送和查询模块，所述远程输送和查询模块设置于所述储存模块的输送端
。2.
根据权利要求1所述的基于
SVM
和
HOG
的叶子图像特征提取识别系统，其特征在于，所述预处理模块包括图像灰度化单元
、
滤波处理单元
、
二值化和形态学处理单元
。3.
根据权利要求1所述的基于
SVM
和
HOG
的叶子图像特征提取识别系统，其特征在于，所述特征提取模块包括彩色和伽马归一化
、
计算图像阶梯
、
构建方向的直方图
、
将细胞单元组成大的区间和收集
HOG
特征
。4.
根据权利要求1所述的基于
SVM
和
HOG
的叶子图像特征提取识别系统，其特征在于，所述储存模块包括数据库储存单元
、
...

【专利技术属性】
技术研发人员：郑超，窦凤虎，张智涵，段冬梅，张硕，
申请(专利权)人：积至海南信息技术有限公司，
类型：发明
国别省市：