全文总字数：1441字
1. 研究目的与意义
研究目的：完成一款可在手机上使用的用于识别树叶类别的APP，以Android平台为载体，利用手机自带的摄像头，随时随地可以识别树叶种类。为学习和科研带来便利。
研究意义：通过本次毕业设计，能够全面了解Android平台，掌握Java语言，熟悉手机软件的设计，本设计集图像处理和模式识别于一体，结构简单，可应用于林业等领域，在一定程度上体现了智能识别的应用。2. 国内外研究现状分析
北京林业大学的阚江明等在《基于叶片图像的植物识别方法》提出了一种基于植物叶片图像的植物自动识别方法。该方法在对叶片图像进行亮度校正、中值滤波和阈值分割等预处理后,计算植物叶片的偏心率、圆形性、圆形度指标、方向角、最小矩形宽轴/长 轴、最佳椭圆短轴/长轴6个形状特征参数和植物叶片的二阶矩、对比度、相关、熵、逆差矩5个纹理特征参数,再使用径向基人工神经网络设计了植物自动识别的分类器。通过对3种植物的60个叶片图像进行实验,仅用植物叶片形状特征进行植物识别的平均正确识别率为70.83%,利用植物叶片形状特征和纹理特征进 行植物自动识别的平均正确识别率为83.3%,并得到了径向基人工神经网络的参数。实验结果表明,植物叶片图像的纹理特征能够提高植物自动识别的平均正确率,基于植物叶片图像的植物自动识别是切实可行的,研究成果为深入研究植物自动识别分类系统奠定了一定的理论基础。
罗锐在《基于极坐标的移动设备叶片识别系统的研究》针对智能手机的特点和对图像特征提取的大量研究后,提出了基于极坐标的特征提取方法。叶片图像首先要转换为极坐标图像,然后在极坐标图像上进行特征提 取,特征参数包括跨度比、曲面面积比率、饱和度和高度变化率。这种提取方法的时间复杂度为O(n),并在提取过程中可以减少手机内存的使用量,原因是极坐 标的图像可以简化到用一维数组存储。实验证明本研究提出的特征提取参数具有旋转缩放不变性,而且在Flavia树叶集上也有很好的识别率。 此外,本研究还开发完成了基于极坐标特征提取的Android手机应用和J2EE服务器端程序,实现手机离线叶片识别和与服务器数据同步等功能。
Husin在《Embedded portable device for herb leaves recognition using image processing techniques and neural network algorithm》使用神经网络算法以及图像处理技术成功实现了20种草本植物的识别。识别的正确率高达98.8%。除此之外，无论该种叶片处于何种状态，干，湿又或者是叶片已经不完整的情况下，该系统均能够成功识别出叶片的种类3. 研究的基本内容与计划
研究内容：
（1）结合国内外相关资料就树叶识别系统的研究现状、存在的问题，确定符合今后应用需要和发展趋势的设计方案。
（2）利用android sdk软件编写程序，并基于android平台进行系统开发。
4. 研究创新点
方案特点：基于Android平台，利用手机自带摄像头，结合软件进行识别，本系统具有功耗低、便携性好、耗资少等优点。
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
