摘要 | 第1-7页 |
ABSTRACT | 第7-13页 |
第1章 绪论 | 第13-25页 |
·选题目的与意义 | 第13-14页 |
·国内外研究现状 | 第14-21页 |
·植物病害图像分割技术研究现状 | 第15-17页 |
·植物病害图像特征提取技术研究现状 | 第17-19页 |
·植物病害图像识别技术研究现状 | 第19-20页 |
·植物病害图像识别技术迫切需要解决的关键问题 | 第20-21页 |
·研究内容 | 第21-22页 |
·技术路线和研究方案 | 第22-24页 |
·研究方案 | 第22-23页 |
·技术路线 | 第23-24页 |
·论文的组织结构 | 第24-25页 |
第2章 图像获取与预处理 | 第25-38页 |
·图像获取 | 第25-28页 |
·研究对象的主要病害 | 第25-27页 |
·图像获取 | 第27-28页 |
·彩色图像预处理 | 第28-37页 |
·矢量中值滤波 | 第29-30页 |
·小波彩色图像滤波 | 第30-31页 |
·基于偏微分方程的矢量图像扩散滤波 | 第31-35页 |
·各种预处理结果与分析 | 第35-37页 |
·本章小结 | 第37-38页 |
第3章 基于改进 C-V 模型的植物病斑彩色图像分割 | 第38-66页 |
·引言 | 第38页 |
·水平集方法原理 | 第38-43页 |
·曲线的水平集表示和演化 | 第39-40页 |
·泛函与变分法 | 第40-42页 |
·梯度下降流 | 第42-43页 |
·C-V 模型 | 第43-44页 |
·基于加权颜色信息的改进 C-V 模型 | 第44-56页 |
·水平集函数 | 第44-46页 |
·数值化实现 | 第46-47页 |
·算法设计 | 第47页 |
·试验结果及分析 | 第47-56页 |
·基于相似度的改进 C-V 模型的植物叶部病斑彩色图像分割 | 第56-65页 |
·相似度量 | 第57页 |
·选取病斑前景区域 | 第57页 |
·确定彩色图像 3 个通道的权重 | 第57页 |
·改进 C-V 模型的建立 | 第57-58页 |
·改进 C-V 模型的数值实现 | 第58-59页 |
·算法设计 | 第59-60页 |
·试验结果与分析 | 第60-65页 |
·本章小结 | 第65-66页 |
第4章 植物叶部病害图像的特征提取方法 | 第66-93页 |
·植物叶部病害特征及提取 | 第66-76页 |
·颜色特征 | 第66-71页 |
·纹理特征 | 第71-75页 |
·形状特征提取 | 第75-76页 |
·基于颜色矩和小波变换的加权特征提取方法 | 第76-82页 |
·基于颜色矩和小波变换的加权特征提取算法 | 第76-78页 |
·基于支持向量机和颜色矩、小波变换的加权特征分类识别 | 第78-82页 |
·基于 YUV 和小波包的多通道特征融合特征提取方法 | 第82-87页 |
·小波包函数 | 第82-84页 |
·基于小波包的多通道特征融合特征提取方法 | 第84-86页 |
·试验结果与分析 | 第86-87页 |
·基于相似度的 C-V 模型分割的形状特征提取 | 第87-91页 |
·形状特征提取 | 第87-89页 |
·形状特征的比较和分析 | 第89页 |
·形状特征试验验证与分析 | 第89-91页 |
·有效特征分析 | 第91-92页 |
·本章小结 | 第92-93页 |
第5章 基于支持向量机参数选择的植物叶部病害识别方法研究 | 第93-107页 |
·基于 GA-SVM 的植物叶部病害识别 | 第93-99页 |
·GA 算法 | 第93-94页 |
·GA-SVM 分类算法 | 第94-97页 |
·试验结果与分析 | 第97-99页 |
·基于 PSO-SVM 的植物叶部病害识别 | 第99-105页 |
·PSO 算法 | 第99-100页 |
·PSO-SVM 分类算法 | 第100-103页 |
·试验结果与分析 | 第103-105页 |
·有效支持向量机参数选择方法分析 | 第105-106页 |
·本章小结 | 第106-107页 |
第6章 植物叶部病害识别软件系统 | 第107-113页 |
·系统开发环境 | 第107页 |
·系统开发硬件环境 | 第107页 |
·系统开发软件环境 | 第107页 |
·系统功能模块 | 第107-108页 |
·系统软件的功能测试 | 第108-112页 |
·本章小结 | 第112-113页 |
第7章 结论与展望 | 第113-116页 |
·结论 | 第113-114页 |
·展望 | 第114-116页 |
参考文献 | 第116-123页 |
致谢 | 第123-124页 |
作者简介 | 第124页 |