基于图像识别的森林害虫分类方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-10页 |
| ·课题背景 | 第7页 |
| ·森林害虫测报技术研究现状 | 第7-8页 |
| ·国内研究现状 | 第7-8页 |
| ·国外研究现状 | 第8页 |
| ·森林害虫图像识别分类方法的研究意义 | 第8-9页 |
| ·本文的研究思路及内容 | 第9-10页 |
| 2 森林害虫的图像处理 | 第10-32页 |
| ·数字图像处理概述 | 第10页 |
| ·图像处理的概念 | 第10页 |
| ·数字图像处理技术的内容 | 第10页 |
| ·数字图像处理的应用 | 第10页 |
| ·图像的预处理 | 第10-17页 |
| ·直方图均衡化 | 第11-14页 |
| ·图像的平滑 | 第14-17页 |
| ·图像分割 | 第17-30页 |
| ·灰度阈值分割 | 第17-21页 |
| ·数学形态学方法填补空洞及消除噪声 | 第21-26页 |
| ·边缘检测 | 第26-30页 |
| ·森林害虫躯干的提取 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 森林害虫图像的特征提取 | 第32-41页 |
| ·几何特征 | 第32-34页 |
| ·周长 | 第32-33页 |
| ·面积 | 第33页 |
| ·圆形度 | 第33页 |
| ·偏心率 | 第33页 |
| ·等效面积圆半径 | 第33-34页 |
| ·伸长度 | 第34页 |
| ·波纹度 | 第34页 |
| ·形状因子 | 第34页 |
| ·内切圆半径 | 第34页 |
| ·不变矩特征 | 第34-37页 |
| ·欧拉数 | 第37页 |
| ·实验分析与结果 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 4 人工神经网络技术 | 第41-49页 |
| ·人工神经网络基本概述 | 第41-45页 |
| ·人工神经网络模型的应用 | 第41页 |
| ·神经网络特点 | 第41-42页 |
| ·人工神经网络的分类 | 第42页 |
| ·神经网络的学习与训练 | 第42-44页 |
| ·神经元的数学模型 | 第44页 |
| ·神经网络的传递函数 | 第44-45页 |
| ·BP神经网络 | 第45-48页 |
| ·BP神经网络结构 | 第45-46页 |
| ·BP网络模型 | 第46-47页 |
| ·BP算法流程框图 | 第47页 |
| ·BP算法存在的问题 | 第47-48页 |
| ·改进传统BP算法的收敛速度 | 第48页 |
| ·本章小结 | 第48-49页 |
| 5 BP神经网络的设计 | 第49-55页 |
| ·MATLAB神经网络工具箱概述 | 第49页 |
| ·BP神经网络的设计 | 第49-51页 |
| ·网络结构的设计 | 第49-51页 |
| ·传输函数的选择 | 第51页 |
| ·网络学习参数的选取 | 第51页 |
| ·网络学习算法的选择 | 第51页 |
| ·BP网络训练 | 第51-54页 |
| ·网络训练 | 第51-53页 |
| ·识别仿真 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 结论 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 攻读学位期间发表的学术论文 | 第60-61页 |
| 致谢 | 第61-62页 |
