植物は、私たちが生きているだけでなく、私達のない場所でどこにでも存在する。彼らの多くは、人間社会の発展のための重要な情報を伝える。緊急の状況は、多くの植物が絶滅の危険にさらされているということです。だから、植物保護のためのデータベースを設定することは非常に必要である。私たちは、最初のステップは、植物を分類する方法コンピュータを教えることであると考えています。そのような細胞および分子的方法などの他の方法と比較して、葉の画像に基づいた分類は、葉植物の分類のための最初の選択肢である。葉をサンプリングし、それらをphotoingは、低コストで便利である。一つは、簡単にコンピュータに枚葉画像を転送することができ、コンピュータは、画像処理技術で自動的に特徴を抽出することができる。一部のシステムは、植物学者によって使用される記述を用いる。しかし、それはコンピュータに自動的にそれらの特徴を抽出して転送することは容易ではない。
我々は、画像は、非線形分類器などの形状情報とニューラルネットワークと一緒に備えての高次統計を組み合わせた葉の分類のための効率的なアルゴリズムを開発した。コードは、したがって、1280トレーニングイメージと合計で627のテスト画像がランダムに選択さがあるFLAVIAデータベースは（92.09パーセントの各クラスのテストのために使用される32のクラス、40のトレーニング画像と残りの画像を優れた認識率を達成することでテストなしてきたオーバーラップは）トレーニングとテスト画像の間に存在する。
我々のアプローチは、フラビアアルゴリズムよりも性能が優れている、しかもそれがどんな人間がその一部を干渉さは必要ありません。実際にFLAVIAアルゴリズムでは、マウスクリックを経由して、葉の主な静脈の二つの端子をマークする必要があります。二つの端子間の距離は、生理的な長さとして定義されている。
の要件の：ます。
Matlabの
コメントが見つかりません