玉米病害图像识别系统的设计与实现
| 摘要 | 第1-7页 |
| Abstract | 第7-13页 |
| 第1章 绪论 | 第13-19页 |
| ·本文研究的目的和意义 | 第13-14页 |
| ·图像识别技术在作物病害诊断方面的研究进展和问题 | 第14-17页 |
| ·国外研究现状 | 第14-15页 |
| ·国内研究现状 | 第15-17页 |
| ·研究内容与技术路线 | 第17-19页 |
| ·研究内容 | 第17页 |
| ·技术路线和本文工作 | 第17-19页 |
| 第2章 玉米病害图像预处理 | 第19-30页 |
| ·图像采集 | 第19页 |
| ·图像平滑 | 第19-22页 |
| ·图像分割 | 第22-25页 |
| ·最大类间方差阈值分割 | 第22-24页 |
| ·超绿特征 | 第24-25页 |
| ·玉米病害图像的分割 | 第25页 |
| ·数学形态学 | 第25-30页 |
| ·腐蚀 | 第26页 |
| ·膨胀 | 第26-27页 |
| ·开运算 | 第27-28页 |
| ·闭运算 | 第28-29页 |
| ·病斑图像数学形态化处理 | 第29-30页 |
| 第3章 玉米病害图像特征提取 | 第30-37页 |
| ·颜色特征提取 | 第30-34页 |
| ·RGB模型 | 第30-31页 |
| ·HSI模型 | 第31-33页 |
| ·病斑图像颜色特征的提取 | 第33-34页 |
| ·纹理特征提取 | 第34-37页 |
| ·灰度共生矩阵 | 第34-35页 |
| ·病斑图像纹理特征的提取 | 第35-37页 |
| 第4章 玉米病害图像识别 | 第37-46页 |
| ·模式识别 | 第37-38页 |
| ·支持向量机 | 第38-44页 |
| ·线性支持向量机 | 第39-42页 |
| ·线性可分SVM数学模型的建立 | 第39-41页 |
| ·线性不可分情况的处理 | 第41-42页 |
| ·非线性支持向量机 | 第42-44页 |
| ·SVM分类器从二类到多类的推广 | 第44页 |
| ·玉米病害图像识别实验结果分析 | 第44-46页 |
| 第5章 系统的设计与实现 | 第46-54页 |
| ·系统简介和基本技术要求 | 第46页 |
| ·系统软硬件平台 | 第46页 |
| ·系统设计与实现 | 第46-54页 |
| ·系统功能设计 | 第46-47页 |
| ·系统流程设计 | 第47-48页 |
| ·功能模块设计与实现 | 第48-54页 |
| ·图像预处理模块的设计与实现 | 第48-51页 |
| ·特征提取模块的设计与实现 | 第51-52页 |
| ·病害识别模块的设计与实现 | 第52-54页 |
| 第6章 结束语 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 作者简介及科研成果 | 第60-61页 |
| 致谢 | 第61页 |