| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 引言 | 第9-14页 |
| 1.1 论文研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 论文的组织 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 2 玉米品种图像获取及颜色空间模型 | 第14-24页 |
| 2.1 玉米品种深度图像的获取 | 第14-16页 |
| 2.1.1 实验材料及图像采集条件 | 第14页 |
| 2.1.2 深度传感器和采集方法 | 第14-16页 |
| 2.2 颜色空间模型介绍 | 第16-21页 |
| 2.2.1 RGB颜色空间模型 | 第16-17页 |
| 2.2.2 HSI颜色空间模型 | 第17-19页 |
| 2.2.3 HSV颜色空间模型 | 第19-20页 |
| 2.2.4 YUV颜色空间模型 | 第20-21页 |
| 2.3 玉米颜色特征与颜色空间选择 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 3 玉米品种深度图像预处理 | 第24-38页 |
| 3.1 玉米深度图像灰度化 | 第24-25页 |
| 3.2 灰度图像增强 | 第25-28页 |
| 3.2.1 图像的噪声 | 第25-26页 |
| 3.2.2 图像去噪 | 第26-28页 |
| 3.3 图像分割 | 第28-32页 |
| 3.3.1 基于Otsu法阈值分割 | 第28-29页 |
| 3.3.2 分割后边缘检测 | 第29-32页 |
| 3.4 Harris仿射不变算子的玉米籽粒尖端检测 | 第32-37页 |
| 3.4.1 Harris角点检测算法 | 第32-36页 |
| 3.4.2 基于Harris算法的玉米籽粒尖端检测算法 | 第36页 |
| 3.4.3 实验结果与分析 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 玉米品种深度图像的特征提取与选择 | 第38-45页 |
| 4.1 颜色特征的提取与选择 | 第38-40页 |
| 4.1.1 颜色特征的提取 | 第38-39页 |
| 4.1.2 颜色特征的选择 | 第39-40页 |
| 4.2 灰度特征的提取与选择 | 第40-41页 |
| 4.2.1 基于颜色特征的图像灰度化与灰度直方图 | 第40-41页 |
| 4.2.2 灰度特征的提取 | 第41页 |
| 4.3 尖端形状特征的提取 | 第41-44页 |
| 4.3.1 特征参数的计算 | 第41-44页 |
| 4.3.2 尖端形状特征参数的提取 | 第44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 基于BP神经网络的玉米品种识别 | 第45-53页 |
| 5.1 基于BP神经网络的品种识别方法 | 第45-49页 |
| 5.1.1 BP神经网络模型的构建 | 第45-47页 |
| 5.1.2 BP神经网络算法的实现 | 第47-49页 |
| 5.2 玉米品种识别结果与分析 | 第49-52页 |
| 5.2.1 基于深度颜色特征的灰度直方图玉米品种的识别 | 第49-50页 |
| 5.2.2 基于尖端形状特征的玉米品种的识别 | 第50-52页 |
| 5.2.3 基于颜色特征的灰度直方图和尖端形状特征的玉米品种的识别 | 第52页 |
| 5.3 本章小结 | 第52-53页 |
| 6 总结与展望 | 第53-55页 |
| 6.1 主要工作和结论 | 第53-54页 |
| 6.2 问题与展望 | 第54-55页 |
| 参考 文献 | 第55-58页 |
| 在读期间已发表论文 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简历 | 第60-61页 |
