复杂背景下彩色图像中作物目标的自动提取
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 引言 | 第8-11页 |
| ·选题目的及意义 | 第8-9页 |
| ·自动提取目标的意义 | 第9-10页 |
| ·本论文的主要内容 | 第10-11页 |
| 2 数字图像处理系统及图像预处理 | 第11-21页 |
| ·数字图像处理发展概述 | 第11-12页 |
| ·数字图像处理系统构成 | 第12-13页 |
| ·数字图像处理系统一般构成 | 第12-13页 |
| ·本课题使用的图像处理系统构成 | 第13页 |
| ·图像的预处理 | 第13-20页 |
| ·概述 | 第13-14页 |
| ·图像的采集 | 第14页 |
| ·图像增强 | 第14-17页 |
| ·图像滤波 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 3 图像分割 | 第21-40页 |
| ·图像分割的概念 | 第21页 |
| ·图像分割的方法 | 第21-22页 |
| ·绿色作物与复杂背景的分割 | 第22-29页 |
| ·图像的颜色模型 | 第22-26页 |
| ·彩色图像的灰度转换 | 第26-29页 |
| ·阈值分割 | 第29-35页 |
| ·直方图技术 | 第29-30页 |
| ·自适应闭值法 | 第30-33页 |
| ·HSV空间色度分量的图像分割方法 | 第33-35页 |
| ·分割图像的后处理 | 第35-39页 |
| ·二值图像滤波 | 第36页 |
| ·数学形态学算法 | 第36-37页 |
| ·数学形态学处理图像 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 4 复杂背景下作物目标的自动提取 | 第40-53页 |
| ·模糊C均值聚类分割算法 | 第40-43页 |
| ·模糊逻辑 | 第40-42页 |
| ·模糊C均值算法原理 | 第42-43页 |
| ·复杂背景下彩色作物图像的聚类数的获取 | 第43-46页 |
| ·彩色图像聚类数获得的方法 | 第43-45页 |
| ·复杂背景下作物图像聚类数的获得 | 第45-46页 |
| ·复杂背景下作物目标的提取 | 第46-50页 |
| ·彩色图像的聚类中心的确定 | 第46-49页 |
| ·复杂背景下直方图中阈值的确定 | 第49-50页 |
| ·作物目标的自动提取算法 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 5 结论与展望 | 第53-54页 |
| ·结论 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 在读期间发表的学术论文 | 第58-59页 |
| 作者简历 | 第59-60页 |
| 致谢 | 第60-61页 |
| 附件 | 第61-67页 |
