枣虫害图像自动识别关键技术研究
| 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页 |
| ·国内外研究现状 | 第8-10页 |
| ·本论文的主要内容 | 第10-11页 |
| 2 图像预处理技术 | 第11-17页 |
| ·概述 | 第11页 |
| ·图像增强 | 第11-14页 |
| ·直方图均衡化 | 第12-14页 |
| ·图像滤波 | 第14-16页 |
| ·线性平滑滤波器 | 第14-15页 |
| ·非线性平滑滤波器 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 3 图像分割技术 | 第17-31页 |
| ·图像分割的概念 | 第17页 |
| ·图像的分割方法 | 第17-23页 |
| ·分割方法基本介绍 | 第17-18页 |
| ·图像阈值分割 | 第18-23页 |
| ·图像的颜色模型 | 第23-26页 |
| ·RGB 颜色空间 | 第23-25页 |
| ·HSI 颜色空间 | 第25-26页 |
| ·枣虫害图像的二维直方图分割 | 第26-28页 |
| ·数学形态法 | 第28-30页 |
| ·基本概念 | 第28页 |
| ·数学形态学的四种基本运算方法 | 第28-29页 |
| ·数学形态学处理图像 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4 特征提取方法 | 第31-43页 |
| ·颜色特征提取 | 第31-35页 |
| ·颜色特征的描述 | 第31-32页 |
| ·常用的颜色特征提取方法 | 第32-33页 |
| ·直方图不变特征量 | 第33-35页 |
| ·纹理特征提取 | 第35-39页 |
| ·纹理特征的描述 | 第35页 |
| ·纹理分析中的常用方法 | 第35-36页 |
| ·灰度共生矩阵 | 第36-39页 |
| ·基于HU 矩的特征参数提取 | 第39-42页 |
| ·矩的概念 | 第39页 |
| ·矩的物理意义 | 第39-40页 |
| ·矩的几种常用变换 | 第40-41页 |
| ·Hu 矩 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5 图像模式识别 | 第43-52页 |
| ·模式识别概述 | 第43-44页 |
| ·人工神经网络 | 第44-45页 |
| ·BP 神经网络 | 第45-50页 |
| ·概述 | 第45-46页 |
| ·多层BP 神经网络的算法 | 第46-50页 |
| ·基于BP 神经网络的枣虫害识别 | 第50-51页 |
| ·BP 网络的输入层、隐含层及输出层的选择 | 第50页 |
| ·BP 网络训练算法的选择及识别结果 | 第50-51页 |
| ·结果分析 | 第51页 |
| ·本章小结 | 第51-52页 |
| 6 结论与展望 | 第52-53页 |
| ·结论 | 第52页 |
| ·展望 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 在读期间发表的学术论文 | 第56-57页 |
| 个人简历 | 第57-58页 |
| 致谢 | 第58-59页 |
