| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第1章 绪论 | 第11-18页 |
| 1.1 选题背景及意义 | 第11-13页 |
| 1.1.1 选题背景 | 第11-12页 |
| 1.1.2 选题意义 | 第12-13页 |
| 1.2 国内外研究现状与发展 | 第13-15页 |
| 1.2.1 国外研究 | 第13-14页 |
| 1.2.2 国内研究 | 第14-15页 |
| 1.3 研究内容与方法 | 第15-16页 |
| 1.4 本文结构 | 第16-18页 |
| 第2章 预备知识 | 第18-29页 |
| 2.1 数字图像处理 | 第18-21页 |
| 2.2 数字图像采集与处理环境 | 第21-22页 |
| 2.3 彩色模型 | 第22-24页 |
| 2.4 灰度直方图 | 第24-26页 |
| 2.5 灰度共生矩阵 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第3章 基于阈值法的赤星病烟叶图像分割 | 第29-36页 |
| 3.1 基于阈值法分割算法原理 | 第29-32页 |
| 3.2 实验效果与分析 | 第32-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于边缘检测的赤星病烟叶图像分割 | 第36-49页 |
| 4.1 边缘检测Roberts、Sobel、Canny、LoG算子 | 第37-46页 |
| 4.1.1 基于Roberts算子的边缘检测 | 第37-38页 |
| 4.1.2 基于Sobel算子的边缘检测 | 第38-40页 |
| 4.1.3 基于Canny算子的边缘检测 | 第40-45页 |
| 4.1.4 基于LoG算子的边缘检测 | 第45-46页 |
| 4.1.5 改进LoG算子的边缘检测 | 第46页 |
| 4.2 实验效果与分析 | 第46-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第5章 基于K-means法的赤星病烟叶图像分割 | 第49-56页 |
| 5.1 基于K-means法分割算法 | 第49-51页 |
| 5.2 基于K-means法分割效果与分析 | 第51-53页 |
| 5.3 形态学的K-means分割法 | 第53页 |
| 5.4 边缘检测的K-means分割法 | 第53-55页 |
| 5.5 本章小结 | 第55-56页 |
| 第6章 基于偏二叉树支持向量机的赤星病烟叶识别 | 第56-60页 |
| 6.1 偏二叉树支持向量机 | 第56-57页 |
| 6.2 特征选择 | 第57-59页 |
| 6.3 实验仿真 | 第59页 |
| 6.4 本章小结 | 第59-60页 |
| 结束语 | 第60-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者在学期间取得的学术成果 | 第66页 |