| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-12页 |
| ·图像融合技术的发展及应用领域 | 第9页 |
| ·图像融合技术在农业中的应用 | 第9-10页 |
| ·选题的意义 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| 2 图像处理系统及预处理 | 第12-29页 |
| ·图像处理系统 | 第12-15页 |
| ·图像处理的概述 | 第12-13页 |
| ·图像处理的系统构成 | 第13-15页 |
| ·图像预处理 | 第15-24页 |
| ·图像采集 | 第15页 |
| ·图像增强 | 第15-20页 |
| ·图像去噪 | 第20-24页 |
| ·图像边缘检测 | 第24-26页 |
| ·边缘检测算子 | 第24-26页 |
| ·作物图像的边缘检测 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 3 图像分割 | 第29-39页 |
| ·图像分割概念及意义 | 第29-30页 |
| ·图像分割的概念 | 第29页 |
| ·图像分割的意义 | 第29-30页 |
| ·图像分割算法 | 第30-32页 |
| ·图像分割算法概述 | 第30-31页 |
| ·图像分割的方法 | 第31-32页 |
| ·阈值分割 | 第32-36页 |
| ·直方图技术 | 第32-33页 |
| ·自适应阈值 | 第33-36页 |
| ·数学形态学滤波方法 | 第36-38页 |
| ·数学形态学的基本运算 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 4 图像中作物提取方法 | 第39-50页 |
| ·复杂背景下作物目标的自动提取 | 第39-42页 |
| ·模糊逻辑 | 第39-40页 |
| ·模糊C 均值聚类算法 | 第40-41页 |
| ·基于FCM 算法的图像分割 | 第41-42页 |
| ·蚁群算法 | 第42-46页 |
| ·蚁群算法原理 | 第43页 |
| ·蚁群算法模型 | 第43-45页 |
| ·蚁群算法计算步骤 | 第45-46页 |
| ·蚁群算法在图像分割中的应用 | 第46-49页 |
| ·蚁群聚类算法 | 第46-47页 |
| ·基于蚁群算法的模糊 C 均值聚类图像分割算法流程 | 第47页 |
| ·基于蚁群算法改进的模糊 C 均值聚类图像分割算法实验 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5 作物生长几何参数测量方法 | 第50-58页 |
| ·摄像机定标与平面测量 | 第50-54页 |
| ·三个坐标系 | 第50-52页 |
| ·线性摄像机模型与非线性摄像机模型 | 第52-53页 |
| ·摄像机定标 | 第53-54页 |
| ·基于虚拟摄像机平面面积测量方法 | 第54-57页 |
| ·虚拟摄像机图像与原摄像机图像之间转换关系 | 第54-56页 |
| ·几何量测量方法 | 第56-57页 |
| ·平面图像测量的误差分析 | 第57页 |
| ·本章小结 | 第57-58页 |
| 6 结论与展望 | 第58-59页 |
| ·结论 | 第58页 |
| ·展望 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 在读期间发表的学术论文 | 第63-64页 |
| 作者简历 | 第64-65页 |
| 致谢 | 第65页 |