基于图像处理的草莓病害识别方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-13页 |
| 第一章 绪论 | 第13-21页 |
| ·研究背景及意义 | 第13-14页 |
| ·国内外研究现状 | 第14-17页 |
| ·常用的图像分割与识别方法 | 第17-20页 |
| ·图像分割方法 | 第17-19页 |
| ·图像识别方法 | 第19-20页 |
| ·本文主要内容和组织结构 | 第20-21页 |
| 第二章 草莓图像分割 | 第21-33页 |
| ·数字图像的表示 | 第21页 |
| ·彩色模型 | 第21-26页 |
| ·RGB彩色模型 | 第22-23页 |
| ·HSV彩色模型 | 第23-24页 |
| ·RGB彩色空间到HSV彩色空间的转化 | 第24-25页 |
| ·绿色分量突出 | 第25-26页 |
| ·图像增强与阈值分割 | 第26-29页 |
| ·直方图均衡化 | 第26-27页 |
| ·阈值处理 | 第27-29页 |
| ·绿色叶片区域图像的提取 | 第29-30页 |
| ·本章小结 | 第30-33页 |
| 第三章 使用改进的分水岭方法提取草莓单叶片图像 | 第33-49页 |
| ·二值图像形态学处理 | 第33-34页 |
| ·膨胀和腐蚀 | 第33-34页 |
| ·开操作与闭操作 | 第34页 |
| ·灰度图像形态学处理 | 第34-35页 |
| ·膨胀和腐蚀 | 第34-35页 |
| ·形态学图像梯度 | 第35页 |
| ·开操作与闭操作 | 第35页 |
| ·传统分水岭算法 | 第35-39页 |
| ·分水岭变换的算法描述 | 第36-38页 |
| ·分水量变换的直接应用 | 第38-39页 |
| ·基于标记的分水岭分割算法 | 第39-44页 |
| ·改进算法的流程 | 第39-41页 |
| ·数学形态学运算 | 第41-42页 |
| ·前景标记与背景标记 | 第42-44页 |
| ·草莓单叶片提取结果分析 | 第44-48页 |
| ·单叶片提取效果 | 第44-46页 |
| ·分割效果分析 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 第四章 特征提取 | 第49-57页 |
| ·特征选择 | 第49-51页 |
| ·颜色特征 | 第49-50页 |
| ·形状特征 | 第50页 |
| ·纹理特征 | 第50-51页 |
| ·特征提取 | 第51-56页 |
| ·灰度直方图 | 第51-54页 |
| ·特征提取与特征融合 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 第五章 基于SVM的草莓病害识别 | 第57-67页 |
| ·SVM概述 | 第57-62页 |
| ·VC维理论及推广性 | 第57-58页 |
| ·结构风险最小化原理 | 第58-59页 |
| ·SVM的基本原理 | 第59-60页 |
| ·SVM的学习算法 | 第60-61页 |
| ·SVM的优点 | 第61页 |
| ·SVM的一般步骤 | 第61-62页 |
| ·支持向量分类算法 | 第62-64页 |
| ·线性可分情形 | 第62-63页 |
| ·非线性可分情况 | 第63-64页 |
| ·K-近邻及朴素贝叶斯方法 | 第64页 |
| ·K-近邻方法 | 第64页 |
| ·朴素贝叶斯方法 | 第64页 |
| ·SVM算法在草莓病害识别中的应用 | 第64-65页 |
| ·SVM算法的实现过程 | 第64-65页 |
| ·分类结果分析 | 第65页 |
| ·本章小结 | 第65-67页 |
| 第六章 草莓病害识别的工程实现 | 第67-77页 |
| ·硬件系统配置 | 第67页 |
| ·草莓病害识别算法工程中的软件技术 | 第67-72页 |
| ·MATLAB软件与其图像处理工具箱 | 第68页 |
| ·OpenCV | 第68-71页 |
| ·动态链接库 | 第71-72页 |
| ·病害识别系统功能介绍 | 第72-75页 |
| ·病害识别系统的设计 | 第72-73页 |
| ·草莓单叶片病害识别系统实现界面 | 第73-75页 |
| ·本章小结 | 第75-77页 |
| 第七章 总结与建议 | 第77-79页 |
| ·论文总结 | 第77页 |
| ·论文建议 | 第77-79页 |
| 参考文献 | 第79-85页 |
| 致谢 | 第85-87页 |
| 攻读学位期间发表的学术论文目录 | 第87页 |
