基于图像识别技术的农业虫害远程自动监测系统的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·研究背景 | 第10-12页 |
| ·国内外研究现状 | 第12-17页 |
| ·图像识别技术介绍及发展 | 第13-15页 |
| ·与本课题相关的国内外研究现状 | 第15-17页 |
| ·农业害虫远程自动监测系统的意义 | 第17-18页 |
| ·本文的设计思路及主要内容 | 第18-20页 |
| 第2章 系统的总体设计 | 第20-32页 |
| ·系统的总体设计 | 第20-23页 |
| ·图像的获取 | 第23-30页 |
| ·诱捕灯的设计 | 第23-24页 |
| ·致昏装置的设计 | 第24页 |
| ·害虫的初次筛选设计 | 第24-25页 |
| ·害虫的再次选择装置 | 第25-26页 |
| ·虫体的传输装置 | 第26-28页 |
| ·拍摄装置 | 第28页 |
| ·微处理器系统 | 第28-29页 |
| ·GIS系统 | 第29-30页 |
| ·信息的传输 | 第30-31页 |
| ·图像的处理 | 第31页 |
| ·图像的分类识别 | 第31页 |
| ·本章小结 | 第31-32页 |
| 第3章 害虫图像的预处理及分割 | 第32-52页 |
| ·图像增强 | 第33-42页 |
| ·彩色图像灰度化 | 第34-36页 |
| ·灰度图均衡 | 第36-39页 |
| ·图像的平滑 | 第39-42页 |
| ·阈值处理 | 第42-44页 |
| ·图像的边缘检测 | 第44-50页 |
| ·梯度边缘检测 | 第45-47页 |
| ·基于拉普拉斯算子的边缘检测 | 第47-48页 |
| ·Canny边缘检测 | 第48-50页 |
| ·目标图像的提取 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 第4章 图像的特征提取 | 第52-62页 |
| ·特征种类的选择 | 第52-54页 |
| ·原始特征 | 第54-58页 |
| ·数据归一化处理 | 第58-59页 |
| ·特征选择 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第5章 分类识别 | 第62-71页 |
| ·分类器的选择 | 第62-63页 |
| ·BP神经网路 | 第63-67页 |
| ·BP算法的学习过程 | 第64页 |
| ·BP神经网络学习的改进 | 第64-67页 |
| ·改进的BP神经网络的设计 | 第67-69页 |
| ·BP网络的快速自适应学习方法 | 第67-68页 |
| ·BP神经网络的结构 | 第68页 |
| ·害虫分类识别在BP神经网络中的表达 | 第68-69页 |
| ·分类结果 | 第69-70页 |
| ·本章小结 | 第70-71页 |
| 第6章 总结和展望 | 第71-73页 |
| ·总结 | 第71-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76-77页 |
| 攻读学位期间参加的科研项目和成果 | 第77页 |
