基于图像识别水稻虫害预警系统的研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.1.1 研究背景 | 第10-11页 |
| 1.1.2 研究意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 文章的研究内容、方法、技术路线 | 第13-14页 |
| 1.3.1 本文研究的内容 | 第13-14页 |
| 1.3.2 主要研究方法 | 第14页 |
| 1.3.3 研究支撑 | 第14页 |
| 1.4 研究内容及论文结构简介 | 第14-16页 |
| 第2章 基于图像识别的图像处理方法 | 第16-24页 |
| 2.1 基于预警系统的分析 | 第16页 |
| 2.2 图像采集 | 第16页 |
| 2.3 图像预处理 | 第16-20页 |
| 2.3.1 图像增强 | 第17-19页 |
| 2.3.2 边缘检测 | 第19页 |
| 2.3.3 图像分割 | 第19-20页 |
| 2.4 特征提取 | 第20-23页 |
| 2.4.1 颜色特征 | 第20-21页 |
| 2.4.2 纹理特征 | 第21-22页 |
| 2.4.3 形状特征 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 基于图像分割的昆虫计数 | 第24-33页 |
| 3.1 测试图像 | 第24页 |
| 3.2 研究方法 | 第24-29页 |
| 3.2.1 区域生长法 | 第25-27页 |
| 3.2.2 canny算子 | 第27-29页 |
| 3.2.3 计数方法 | 第29页 |
| 3.3 结果与分析 | 第29-32页 |
| 3.3.1 图像处理 | 第29-30页 |
| 3.3.2 图像分割 | 第30-31页 |
| 3.3.3 对比分析 | 第31-32页 |
| 3.4 本章小结 | 第32-33页 |
| 第4章 基于改进Canny算子图像分割的昆虫计数 | 第33-40页 |
| 4.1 研究方法 | 第33-35页 |
| 4.1.1 算法改进 | 第33-34页 |
| 4.1.2 寻求中心点 | 第34页 |
| 4.1.3 昆虫计数方法 | 第34-35页 |
| 4.2 结果与分析 | 第35-39页 |
| 4.2.1 图像处理 | 第35页 |
| 4.2.2 图像分割与中心点绘制 | 第35-36页 |
| 4.2.3 计数结果 | 第36-37页 |
| 4.2.4 对比分析 | 第37-39页 |
| 4.3 本章小结 | 第39-40页 |
| 第5章 水稻虫害预警系统架构及实现 | 第40-50页 |
| 5.1 水稻虫害预警系统需求和模块分析 | 第40页 |
| 5.2 预警系统的功能构架图 | 第40-41页 |
| 5.3 预警评定标准 | 第41-43页 |
| 5.4 预警系统 | 第43-49页 |
| 5.4.1 OpenCV | 第43页 |
| 5.4.2 VTK | 第43页 |
| 5.4.3 核心算法实现 | 第43-47页 |
| 5.4.4 预警系统页面 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50页 |
| 6.2 展望 | 第50-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 作者简历 | 第58页 |
