基于叶片形状特征的植物识别技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景及意义 | 第7-8页 |
| ·基于内容的图像识别技术 | 第8-9页 |
| ·国内外发展现状 | 第9-10页 |
| ·论文章节安排 | 第10-13页 |
| 第二章 图像识别技术基础 | 第13-27页 |
| ·RGB 颜色空间 | 第13-14页 |
| ·三种数字图像 | 第14-16页 |
| ·灰度直方图 | 第14-15页 |
| ·二值图 | 第15-16页 |
| ·灰度直方图 | 第16页 |
| ·数学形态学操作 | 第16-19页 |
| ·膨胀 | 第17页 |
| ·腐蚀 | 第17-18页 |
| ·结构元素 | 第18页 |
| ·开操作 | 第18-19页 |
| ·区域填充 | 第19页 |
| ·图像识别步骤 | 第19-20页 |
| ·常见分类算法 | 第20-25页 |
| ·决策树 | 第21-22页 |
| ·朴素贝叶斯 | 第22-23页 |
| ·人工神经网络 | 第23-24页 |
| ·K-近邻 | 第24-25页 |
| ·支持向量机 | 第25页 |
| ·本章小结 | 第25-27页 |
| 第三章 叶片形状提取算法的研究与改进 | 第27-53页 |
| ·复杂背景下叶片形状提取算法的研究 | 第27-39页 |
| ·复杂背景下光照校正算法的研究 | 第27-31页 |
| ·复杂背景下图像分割算法的研究 | 第31-35页 |
| ·复杂背景下叶片边缘提取的算法的研究 | 第35-39页 |
| ·复杂背景下叶片形状提取算法的改进 | 第39-46页 |
| ·光照校正算法的改进 | 第39-42页 |
| ·图像分割算法的设计 | 第42-46页 |
| ·实验结果和分析 | 第46-51页 |
| ·本章小结 | 第51-53页 |
| 第四章 叶片样本库的建立与 SVM 建模 | 第53-67页 |
| ·叶片形状特征提取方法的研究与实现 | 第53-57页 |
| ·叶片形状特征的定义 | 第53-55页 |
| ·叶片形状特征的提取 | 第55-57页 |
| ·训练叶片样本库算法的研究与实现 | 第57-65页 |
| ·SVM 分类器的介绍 | 第57-61页 |
| ·SVM 训练叶片样本库的实现 | 第61-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 植物识别系统集成与验证 | 第67-75页 |
| ·植物识别系统的实现环境 | 第67-68页 |
| ·植物识别系统的功能结构 | 第68-69页 |
| ·植物识别系统的功能验证 | 第69-71页 |
| ·算法验证模块的验证 | 第69-70页 |
| ·实际应用模块验证 | 第70-71页 |
| ·植物识别系统的具体实现 | 第71-73页 |
| ·本章小结 | 第73-75页 |
| 第六章 总结与展望 | 第75-78页 |
| ·总结 | 第75页 |
| ·展望 | 第75-78页 |
| 致谢 | 第78-79页 |
| 参考文献 | 第79-81页 |
