| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景与选题意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.2.1 数据融合研究现状 | 第14页 |
| 1.2.2 昆虫图像识别研究现状 | 第14-16页 |
| 1.3 研究内容与结构安排 | 第16-18页 |
| 1.3.1 研究内容 | 第16页 |
| 1.3.2 结构安排 | 第16-18页 |
| 第2章 基于SVM和DS图像数据融合的玉米害虫识别设计 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 数据融合 | 第18-20页 |
| 2.2.1 数据融合 | 第18-19页 |
| 2.2.2 常用数据融合方法 | 第19-20页 |
| 2.3 基于信息融合的玉米害虫识别 | 第20-21页 |
| 2.4 玉米害虫识别平台设计 | 第21-27页 |
| 2.4.1 平台的功能设计 | 第21-22页 |
| 2.4.2 数据库设计 | 第22-23页 |
| 2.4.3 通信协议 | 第23-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 基于SVM-DS的玉米害虫图像特征提取 | 第28-43页 |
| 3.1 引言 | 第28页 |
| 3.2 图像预处理 | 第28-37页 |
| 3.2.1 光照不均匀的修正 | 第28-31页 |
| 3.2.2 去噪 | 第31-33页 |
| 3.2.3 灰度化 | 第33-34页 |
| 3.2.4 二值化 | 第34-35页 |
| 3.2.5 开运算 | 第35-37页 |
| 3.3 图像信息属性获取 | 第37-42页 |
| 3.3.1 颜色特征的提取 | 第37-39页 |
| 3.3.2 纹理特征的提取 | 第39-40页 |
| 3.3.3 形状特征提取 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 第4章 基于SVM-DS的玉米害虫识别算法 | 第43-51页 |
| 4.1 引言 | 第43页 |
| 4.2 支持向量机理论 | 第43-46页 |
| 4.2.1 线性可分SVM | 第43-44页 |
| 4.2.2 非线性可分SVM | 第44-46页 |
| 4.2.3 SVM从二类到多类的推广 | 第46页 |
| 4.3 DS证据理论 | 第46-49页 |
| 4.4 SVM-DS算法 | 第49-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 基于SVM-DS的玉米害虫识别实现与结果分析 | 第51-68页 |
| 5.1 引言 | 第51页 |
| 5.2 图像识别功能的实现与结果 | 第51-62页 |
| 5.2.1 图像信息的获取 | 第51-55页 |
| 5.2.2 玉米害虫识别实验结果与分析 | 第55-62页 |
| 5.3 环境信息的获取 | 第62-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第6章 总结与展望 | 第68-69页 |
| 6.1 工作总结 | 第68页 |
| 6.2 研究展望 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 个人简介及在读期间研究成果 | 第72页 |