苹果叶子病害图像识别系统的设计与实现
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
1 绪论 | 第9-15页 |
1.1 研究的目的和意义 | 第9-10页 |
1.2 国内外研究现状 | 第10-12页 |
1.2.1 国外研究现状 | 第10页 |
1.2.2 国内研究现状 | 第10-12页 |
1.3 研究目标及内容 | 第12页 |
1.4 研究方法 | 第12-13页 |
1.5 论文的组织结构 | 第13-15页 |
2 病害图像的获取和预处理 | 第15-27页 |
2.1 研究对象的确定 | 第15-16页 |
2.2 病害图像数据的采集 | 第16页 |
2.3 病害图像预处理 | 第16-21页 |
2.3.1 灰度变换 | 第16-18页 |
2.3.2 图像增强处理 | 第18-21页 |
2.4 图像分割方法 | 第21-26页 |
2.4.1 模糊C均值算法 | 第21-25页 |
2.4.2 FCM算法的应用 | 第25-26页 |
2.5 本章小结 | 第26-27页 |
3 苹果叶病害有效特征提取 | 第27-37页 |
3.1 颜色特征提取 | 第27-31页 |
3.1.1 彩色模型 | 第27页 |
3.1.2 常用模型介绍 | 第27-29页 |
3.1.3 颜色特征提取 | 第29-31页 |
3.2 纹理特征提取 | 第31-32页 |
3.2.1 灰度共生矩阵 | 第31-32页 |
3.3 形状特征提取 | 第32-36页 |
3.3.1 常用形状特征提取 | 第33-34页 |
3.3.2 Hu不变矩特征提取 | 第34-36页 |
3.4 本章小结 | 第36-37页 |
4 基于支持向量机的智能识别方法 | 第37-55页 |
4.1 支持向量机的分类思想 | 第37-38页 |
4.1.1 分类模型的选择 | 第37-38页 |
4.1.2 模型参数的选择 | 第38页 |
4.2 支持向量机的理论基础 | 第38-47页 |
4.2.1 线性可分的情况 | 第39-42页 |
4.2.2 非线性可分的情况 | 第42-45页 |
4.2.3 核函数映射 | 第45-47页 |
4.3 推广到多类问题 | 第47-49页 |
4.3.1 一对多的最大响应方法 | 第47-48页 |
4.3.2 一对一的投票方法 | 第48页 |
4.3.3 一对一的淘汰方法 | 第48-49页 |
4.4 基于支持向量机的训练与测试 | 第49-51页 |
4.5 实验及分析 | 第51-54页 |
4.6 本章小结 | 第54-55页 |
5 苹果叶子病害识别系统的设计与实现 | 第55-63页 |
5.1 系统结构 | 第55-56页 |
5.1.1 系统工作流程 | 第55页 |
5.1.2 开发平台 | 第55-56页 |
5.2 系统的关键技术 | 第56页 |
5.3 系统主要功能 | 第56-57页 |
5.4 界面设计 | 第57-60页 |
5.5 本章小结 | 第60-63页 |
6 结论与展望 | 第63-65页 |
6.1 结论 | 第63页 |
6.2 展望 | 第63-65页 |
致谢 | 第65-67页 |
参考文献 | 第67-71页 |
攻读硕士学位期间的研究工作 | 第71-73页 |
附录 | 第73-82页 |
附录一:三种病害Hu不变矩特征值 | 第73-78页 |
附录二:三种病害纹理特征值 | 第78-82页 |