Οπτική αυτόματη αναγνώριση φυτού από εικόνες φύλλων του
Προβολή/ Άνοιγμα
Λέξεις κλειδιά
Ανάλυση εικόνας ; Επεξεργασία εικόνας ; Αναγνώριση φυτού ; Κατάτμηση ; Κατηγοριοποίηση ; Μέτρα ομοιότητας ; Μέσος τετραγωνικού σφάλματος (MSE) ; Λόγος σήματος προς θόρυβο (PSNR) ; Καθολικός δείκτης ποιότητας εικόνας (UIQI) ; Διαθρωτικός δείκτης μέτρησης ομοιότητας (SSIM) ; Πληροφορία οπτικής πιστότητας (VIF) ; Κλίση-απόκλιση ομοιότητας μεγέθους (GMSD) ; Image analysis ; Image processing ; Plant identification ; Segmentation ; Clustering ; Similarity measure ; Mean Squared Error (MSE) ; Peak Signal to Noise Ratio (PSNR) ; Structural SIMilarity (SSIM) ; Visual Information Fidelity (VIF) ; Gradient Magnitude Similarity Deviation (GMSD) ; Universal Image Quality Index (UIQI)Περίληψη
Η έρευνα αυτή πραγματεύεται την επεξεργασία και ανάλυση εικόνας με σκοπό την εξόρυξη χαρακτηριστικών που συμβάλλουν στην κατηγοριοποίηση και αναγνώρισή της.Ειδικότερα η δημιουργία ενός αυτοματοποιημένου συστήματος αναγνώρισης φυτού από στιγμιότυπο του φύλλου του αποτελεί την επιδίωξη της παρούσας εργασίας.Το σύστημα αυτό πρέπει να χαρακτηρίζεται από ευχρηστία,αξιοπιστία και ανεξάρτητη από το χρήστη λειτουργία.Η μοναδική υποχρέωση του χρήστη είναι η εισαγωγή ενός στιγμιότυπου του φύλλου,του φυτού προς αναγνώριση,σε λευκό φόντο.Το εισαγόμενο στιγμιότυπο υφίσταται βελτιστοποίηση,μετατροπή και μορφολογική επεξεργασία με απώτερο σκοπό την εξαγωγή μετρικών σχήματος.Το δείγμα κατηγοριοποιείται μέσω των μετρικών του και συγκρίνεται για τον εντοπισμό του μέγιστου ποσοστού ομοιότητάς του με τα πρότυπα της βάσης δεδομένων.Οι αλγόριθμοι εύρεσης ομοιότητας εικόνας που χρησιμοποιήθηκαν είναι ο Μέσος τετραγωνικού σφάλματος(MSE),ο Λόγος σήματος προς θόρυβο(PSNR),ο Καθολικός δείκτης ποιότητας εικόνας (UIQI),ο Διαθρωτικός δείκτης μέτρησης ομοιότητας(SSIM),η Πληροφορία οπτικής πιστότητας (VIF) και η Κλίση-Απόκλιση ομοιότητας μεγέθους (GMSD).