基于机器视觉的杂草图像特征提取及识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究目的及意义 | 第10-12页 |
| ·国内外研究现状及发展趋势 | 第12-17页 |
| ·利用颜色特征识别 | 第13-14页 |
| ·利用形状特征识别 | 第14页 |
| ·利用纹理特征识别 | 第14-16页 |
| ·利用多种特征融合识别 | 第16-17页 |
| ·研究的主要内容和方法 | 第17-19页 |
| ·主要研究内容 | 第17-18页 |
| ·拟定技术路线和研究方法 | 第18-19页 |
| 第二章 图像处理及识别的系统方案 | 第19-23页 |
| ·图像处理 | 第19-20页 |
| ·图像处理及识别系统构成 | 第20-22页 |
| ·系统的硬件构成 | 第20-21页 |
| ·系统的软件构成 | 第21-22页 |
| ·本章小节 | 第22-23页 |
| 第三章 图像处理算法选择 | 第23-41页 |
| ·图像的预处理 | 第23-26页 |
| ·平滑线性滤波法 | 第23-25页 |
| ·中值滤波法 | 第25-26页 |
| ·彩色图像的颜色空间 | 第26-31页 |
| ·彩色图像的颜色空间 | 第26-30页 |
| ·彩色空间的选择 | 第30-31页 |
| ·图像的阈值化处理 | 第31-34页 |
| ·多峰直方图法 | 第32页 |
| ·最大类间方差法 | 第32-33页 |
| ·最大熵阈值法 | 第33-34页 |
| ·图像的后续处理 | 第34-40页 |
| ·形态学的处理 | 第35-38页 |
| ·区域标记算法 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 利用颜色特征的杂草识别 | 第41-58页 |
| ·利用颜色特征分割植物与背景 | 第41-46页 |
| ·基于颜色空间YIQ分割 | 第42-45页 |
| ·基于颜色空间L~*a~*b~*分割 | 第45-46页 |
| ·利用颜色特征分割作物与杂草 | 第46-51页 |
| ·基于颜色空间HSI分割 | 第46-47页 |
| ·改进的多层同质性彩色图像分割 | 第47-51页 |
| ·基于形态学方法获得杂草区域 | 第51-54页 |
| ·图像的逻辑运算及形态滤波 | 第51-52页 |
| ·基于区域标记的小面积消去处理 | 第52-53页 |
| ·基于区域标记的孔洞填充处理 | 第53-54页 |
| ·试验分析与结论 | 第54-57页 |
| ·杂草正确识别与错误识别率 | 第54-55页 |
| ·模拟的化学除草系统 | 第55-56页 |
| ·试验结果分析 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 利用颜色和形状特征的杂草识别 | 第58-71页 |
| ·利用颜色特征分割植物与背景 | 第58-59页 |
| ·形状特征参数提取 | 第59-65页 |
| ·形状特征概述 | 第59-60页 |
| ·形状特征参数 | 第60-64页 |
| ·杂草形状特征参数提取 | 第64-65页 |
| ·叶片交叠情况的分割方法 | 第65-70页 |
| ·基于弯曲率函数分割方法 | 第66页 |
| ·传统分水岭分割方法 | 第66-67页 |
| ·基于标记的分水岭分割方法 | 第67-70页 |
| ·基于形态学运算的分割方法 | 第70页 |
| ·本章小结 | 第70-71页 |
| 第六章 结论与展望 | 第71-74页 |
| ·结论 | 第71-72页 |
| ·后续工作展望 | 第72-74页 |
| 参考文献 | 第74-77页 |
| 致谢 | 第77-78页 |
| 攻读硕士学位期间发表的论文 | 第78页 |
