Вейвлет-анализ и машинное обучение в классификации состояния растений по текстурным признакам

В данной работе представлен новый метод, который объединяет вейвлет-анализ с машинным обучением для классификации состояния растений по цветным изображениям. Метод использует вектор текстурных признаков Харалика, полученных с помощью вейвлет-преобразования Добеши.
Для реализации метода разработана программа на языке Python, которая применяет многоуровневое дискретное вейвлет-преобразование Добеши и классификационные алгоритмы машинного обучения, такие как логистическая регрессия и персептрон.
Результаты демонстрируют эффективность предложенного метода в задачах многоклассовой классификации изображений. В работе сделаны выводы о практическом применении метода и его потенциале для дальнейших исследований.