摘要 | 第6-8页 |
Abstract | 第8-9页 |
1 前言 | 第10-16页 |
1.1 研究背景意义 | 第10页 |
1.2 国内外研究动态 | 第10-14页 |
1.2.1 农作物生长监测研究 | 第10-13页 |
1.2.2 农作物图像分割研究 | 第13页 |
1.2.3 农作物识别研究 | 第13-14页 |
1.3 研究技术路线 | 第14页 |
1.4 章节安排 | 第14-16页 |
2 数据获取 | 第16-19页 |
2.1 计算机视觉系统设计与构建 | 第16-17页 |
2.1.1 计算机硬件以及软件 | 第16-17页 |
2.1.2 相机 | 第17页 |
2.2 图像获取对象及时间 | 第17-18页 |
2.2.1 图像获取对象 | 第17页 |
2.2.2 图像获取时间 | 第17-18页 |
2.3 数据获取总结 | 第18-19页 |
3 作物分割 | 第19-33页 |
3.1 现有的作物分割算法 | 第19-21页 |
3.1.1 颜色指数的计算 | 第20页 |
3.1.2 颜色指数分割算法阈值的确定 | 第20-21页 |
3.2 基于高斯分布模型的HI颜色分割 | 第21-26页 |
3.2.1 RGB颜色模型转换至HSI颜色模型 | 第22-23页 |
3.2.2 建立色调强度查找表(HI-LUT) | 第23-25页 |
3.2.3 高斯分布的HI颜色分割方法 | 第25-26页 |
3.3 作物分割精度评价指标选择 | 第26-27页 |
3.3.1 误分类误差(Misclassification error-ME) | 第26页 |
3.3.2 相对目标面积误差(Relative objective area error-RAE) | 第26页 |
3.3.3 综合分割精度评价 | 第26-27页 |
3.4 大田油菜图像分割实验结果 | 第27-32页 |
3.4.1 k值选取 | 第27-28页 |
3.4.2 标准分割图制作 | 第28页 |
3.4.3 作物分割结果定性评价 | 第28-30页 |
3.4.4 作物分割结果定量评价 | 第30-32页 |
3.5 作物分割总结 | 第32-33页 |
4 油菜出苗期自动识别 | 第33-46页 |
4.1 形态学图像处理 | 第34-36页 |
4.1.1 形态学重构 | 第34页 |
4.1.2 填充孔洞 | 第34页 |
4.1.3 膨胀 | 第34页 |
4.1.4 腐蚀 | 第34-35页 |
4.1.5 结构元素 | 第35页 |
4.1.6 开运算 | 第35-36页 |
4.2 轮廓追踪法-Moore邻域追踪算法 | 第36-37页 |
4.3 子叶面积和致密度阈值计算 | 第37-39页 |
4.3.1 子叶面积计算 | 第38页 |
4.3.2 子叶致密度计算 | 第38-39页 |
4.4 油菜出苗期识别评价指标 | 第39页 |
4.4.1 正确识别率评价指标 | 第39页 |
4.4.2 误识别率评价指标 | 第39页 |
4.5 油菜出苗期识别实验结果 | 第39-45页 |
4.5.1 形态学操作在识别中的作用 | 第39-41页 |
4.5.2 形状参数方法识别出苗期油菜 | 第41-44页 |
4.5.3 油菜出苗期识别效果评价 | 第44-45页 |
4.6 油菜出苗期自动识别总结 | 第45-46页 |
5 油菜三叶期和四叶期自动识别 | 第46-62页 |
5.1 主动形状模型(ASM) | 第46-47页 |
5.2 点分布模型(Point Distribution Model) | 第47-50页 |
5.2.1 训练样本标定 | 第47页 |
5.2.2 训练样本形状对齐(配准)操作 | 第47-48页 |
5.2.3 形状模型建立 | 第48-50页 |
5.3 建立局部灰度纹理模型 | 第50-51页 |
5.4 匹配目标搜索过程 | 第51-52页 |
5.4.1 ASM算法单分辨率搜索策略 | 第51-52页 |
5.4.2 ASM算法多分辨率搜索策略 | 第52页 |
5.5 油菜三叶期自动识别实验结果 | 第52-57页 |
5.6 油菜四叶期自动识别实验结果 | 第57-60页 |
5.7 油菜三叶期和四叶期自动识别总结 | 第60-62页 |
6 研究总结以及展望 | 第62-64页 |
6.1 总结 | 第62-63页 |
6.1.1 特色及创新 | 第63页 |
6.2 研究工作展望 | 第63-64页 |
参考文献 | 第64-68页 |
攻读硕士期间发表学术论文 | 第68-69页 |
致谢 | 第69页 |