| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题研究背景及意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 农业干旱识别技术国内外研究现状 | 第10-11页 |
| 1.2.2 图像处理技术在农业领域的国内外研究现状 | 第11-12页 |
| 1.3 本文主要工作与创新点 | 第12页 |
| 1.4 论文组织结构 | 第12-14页 |
| 第2章 玉米图像的预处理 | 第14-28页 |
| 2.1 图像分割 | 第14页 |
| 2.2 基于阈值的分割方法 | 第14-16页 |
| 2.2.1 阈值分割 | 第14-15页 |
| 2.2.2 三通道阈值的确定 | 第15-16页 |
| 2.3 基于聚类的分割方法 | 第16-25页 |
| 2.3.1 Lab颜色空间 | 第17-18页 |
| 2.3.2 叶片区域的确定 | 第18-21页 |
| 2.3.3 叶片提取结果 | 第21-22页 |
| 2.3.4 聚类质量评价 | 第22-25页 |
| 2.4 人为扩展样本数据 | 第25-27页 |
| 2.4.1 基本概念 | 第25页 |
| 2.4.2 实验结果 | 第25-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 叶片图像的特征提取 | 第28-40页 |
| 3.1 颜色特征 | 第28-32页 |
| 3.1.1 均值 | 第30-28页 |
| 3.1.2 偏度 | 第28-30页 |
| 3.1.3 有效性 | 第30-32页 |
| 3.2 纹理特征 | 第32-37页 |
| 3.2.1 灰度共生矩阵 | 第32-34页 |
| 3.2.2 灰度梯度共生矩阵 | 第34-36页 |
| 3.2.3 有效性 | 第36-37页 |
| 3.3 奇异值特征 | 第37-38页 |
| 3.3.1 奇异值定义 | 第37页 |
| 3.3.2 有效性 | 第37-38页 |
| 3.4 本章小结 | 第38-40页 |
| 第4章 基于遗传算法的叶片图像特征优化选择 | 第40-44页 |
| 4.1 遗传算法 | 第40-41页 |
| 4.2 特征项个体表示 | 第41页 |
| 4.3 遗传算子 | 第41-42页 |
| 4.4 适应度函数 | 第42-43页 |
| 4.5 选择结果 | 第43页 |
| 4.6 本章小结 | 第43-44页 |
| 第5章 玉米前期图像干旱识别 | 第44-54页 |
| 5.1 最小二乘支持向量机 | 第44-46页 |
| 5.1.1 基本概念 | 第44页 |
| 5.1.2 最小二乘支持向量机 | 第44-46页 |
| 5.1.3 LSSVM在本文多分类中的应用 | 第46页 |
| 5.2 实例分析 | 第46-49页 |
| 5.2.1 正常、特旱分类研究 | 第47-48页 |
| 5.2.2 正常、中旱、特旱三分类研究 | 第48页 |
| 5.2.3 正常、轻旱、中旱、重旱、特旱五分类研究 | 第48-49页 |
| 5.3 性能评价 | 第49-52页 |
| 5.3.1 评价指标 | 第49-50页 |
| 5.3.2 P-R曲线和ROC曲线 | 第50-52页 |
| 5.4 本章小结 | 第52-54页 |
| 第6章 总结与展望 | 第54-56页 |
| 6.1 总结 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 发表论文和参加科研情况说明 | 第60-62页 |
| 发表的论文 | 第60页 |
| 公开的专利 | 第60-62页 |
| 致谢 | 第62页 |