| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-13页 |
| 1.1 研究背景 | 第6-7页 |
| 1.2 研究意义及目的 | 第7-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 本文研究内容 | 第11-13页 |
| 第二章 葡萄叶片检测的方法和结果评价体系 | 第13-32页 |
| 2.1 基本方法 | 第13-14页 |
| 2.2 数据采集 | 第14-16页 |
| 2.3 图像特征描述子选择 | 第16-22页 |
| 2.3.1 SIFT特征 | 第16-17页 |
| 2.3.2 Haar-like特征 | 第17-18页 |
| 2.3.3 HOG特征 | 第18-21页 |
| 2.3.4 图像特征描述子选择 | 第21-22页 |
| 2.4 常用分类器 | 第22-29页 |
| 2.4.1 AdaBoost分类器 | 第22-25页 |
| 2.4.2 SVM分类器 | 第25-29页 |
| 2.5 检测结果评价体系 | 第29-31页 |
| 2.6 本章小结 | 第31-32页 |
| 第三章 葡萄叶片的识别试验 | 第32-43页 |
| 3.1 HOG特征的参数选择和性能研究 | 第32-38页 |
| 3.1.1 图像颜色空间的归一化 | 第32页 |
| 3.1.2 梯度算子选择 | 第32-34页 |
| 3.1.3 梯度方向直方图维数选择 | 第34-35页 |
| 3.1.4 HOG描述子块(block)的形状及参数选择 | 第35-36页 |
| 3.1.5 块内对比归一化方法 | 第36-37页 |
| 3.1.6 块的重叠区域 | 第37-38页 |
| 3.2 分类器的选择 | 第38-39页 |
| 3.3 葡萄叶片的识别结果及分析 | 第39-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第四章 葡萄叶片的多尺度定位 | 第43-53页 |
| 4.1 多尺度目标定位的基本步骤 | 第43-44页 |
| 4.2 高斯金字塔和尺度空间 | 第44-47页 |
| 4.2.1 金字塔和尺度空间原理 | 第44-46页 |
| 4.2.2 图像金字塔的平滑参数和尺度比选择 | 第46-47页 |
| 4.3 非极大值抑制 | 第47-49页 |
| 4.4 检测实验结果分析和举例 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 葡萄叶面积测量 | 第53-59页 |
| 5.1 测量方法 | 第53页 |
| 5.2 测量原理 | 第53-54页 |
| 5.3 检测角点算法改进 | 第54-58页 |
| 5.3.1 Shi-Tomasi算法和SUSAN算法 | 第54-56页 |
| 5.3.2 算法改进及结果分析 | 第56-58页 |
| 5.4 误差分析 | 第58页 |
| 5.5 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-68页 |
| 致谢 | 第68-69页 |