基于纹理特征的叶片识别系统研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 1 绪论 | 第8-17页 |
| ·研究背景 | 第8-9页 |
| ·研究现状 | 第9-14页 |
| ·国外研究现状 | 第10-12页 |
| ·国内研究现状 | 第12-14页 |
| ·研究目的与意义 | 第14-15页 |
| ·论文工作内容 | 第15页 |
| ·论文章节安排 | 第15-17页 |
| 2 叶片图像识别技术概述 | 第17-28页 |
| ·图像预处理 | 第17-23页 |
| ·灰度化 | 第17-18页 |
| ·降噪 | 第18-20页 |
| ·形态学处理 | 第20-21页 |
| ·分割 | 第21-23页 |
| ·图像特征提取 | 第23-26页 |
| ·叶形特征 | 第23-24页 |
| ·颜色特征 | 第24页 |
| ·纹理特征 | 第24-26页 |
| ·图像分类识别 | 第26-27页 |
| ·KNN分类器 | 第26页 |
| ·人工神经网络 | 第26-27页 |
| ·支持向量机 | 第27页 |
| ·本章小结 | 第27-28页 |
| 3 基于小波分形的特征提取方案 | 第28-38页 |
| ·小波变换 | 第28-31页 |
| ·基本原理 | 第28-30页 |
| ·提升方法 | 第30页 |
| ·塔式分解 | 第30-31页 |
| ·分形理论 | 第31-33页 |
| ·基本思想 | 第31-32页 |
| ·毯子方法 | 第32-33页 |
| ·实验及结果分析 | 第33-37页 |
| ·数据集 | 第33-34页 |
| ·预处理 | 第34页 |
| ·特征提取 | 第34-35页 |
| ·分类器 | 第35页 |
| ·影响因素 | 第35-36页 |
| ·识别率对比 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 系统设计与实现 | 第38-44页 |
| ·系统设计 | 第38-39页 |
| ·功能需求 | 第38页 |
| ·系统结构 | 第38-39页 |
| ·系统实现 | 第39-43页 |
| ·特征管理 | 第40-41页 |
| ·分类器管理 | 第41页 |
| ·结果统计 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 5 结论和展望 | 第44-46页 |
| ·结论 | 第44页 |
| ·展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 个人简介 | 第49-50页 |
| 导师简介 | 第50-51页 |
| 获得成果目录清单 | 第51-52页 |
| 致谢 | 第52页 |
