| 致谢 | 第1-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-13页 |
| 目录 | 第13-17页 |
| 图表目录 | 第17-21页 |
| 第一章 绪论 | 第21-39页 |
| ·引言 | 第21-22页 |
| ·研究内容与意义 | 第22-25页 |
| ·光谱及光谱成像技术在植物病虫害检测中的研究进展 | 第25-36页 |
| ·基于光谱及光谱成像技术的植物病害检测原理及方法 | 第25-28页 |
| ·光谱及光谱成像技术在植物病害检测中的国内外研究状况 | 第28-36页 |
| ·光谱技术在植物病害检测中的国内外研究状况 | 第29-33页 |
| ·光谱成像技术在植物病害检测中的国内外研究状况 | 第33-35页 |
| ·高光谱成像技术在植物病害检测中的国内外研究状况 | 第35-36页 |
| ·国内外研究存在的主要问题 | 第36-37页 |
| ·研究的主要内容 | 第37-38页 |
| 本章小结 | 第38-39页 |
| 第二章 实验设计与数据分析 | 第39-52页 |
| ·实验设计 | 第39-42页 |
| ·稻瘟病病原菌及稻瘟病侵染过程 | 第39-40页 |
| ·实验设计与实验材料制备 | 第40-42页 |
| ·实验设计 | 第40-41页 |
| ·实验材料制备 | 第41-42页 |
| ·实验设备 | 第42-49页 |
| ·高光谱成像系统硬体平台 | 第42-46页 |
| ·光源 | 第42-43页 |
| ·分光模组(光谱仪) | 第43-44页 |
| ·面阵CCD侦测器 | 第44页 |
| ·辅助设备 | 第44-46页 |
| ·高光谱成像系统软体平台 | 第46-49页 |
| ·高光谱成像系统数据分析方法 | 第49-51页 |
| 本章小结 | 第51-52页 |
| 第三章 高光谱成像信息处理与建模技术 | 第52-70页 |
| ·高光谱成像技术中光谱数据处理技术 | 第52-61页 |
| ·光谱预处理方法 | 第52-57页 |
| ·光谱特征提取方法 | 第57-61页 |
| ·高光谱成像技术中图像数据处理技术 | 第61-62页 |
| ·图像处理方法 | 第61-62页 |
| ·图像特征提取方法 | 第62页 |
| ·高光谱成像技术中常用的分类方法 | 第62-67页 |
| ·模型性能评价 | 第67-69页 |
| ·定量校正模型评价 | 第67-68页 |
| ·定性判别模型评价 | 第68-69页 |
| 本章小结 | 第69-70页 |
| 第四章 基于光谱特征提取的水稻稻瘟病的病害识别 | 第70-101页 |
| ·基于高斯函数拟合的水稻稻瘟病病害识别模型 | 第72-79页 |
| ·基于光谱信息的高斯函数拟合 | 第73-77页 |
| ·水稻原始光谱信息高斯拟合 | 第73-75页 |
| ·水稻一阶光谱高斯拟合 | 第75-77页 |
| ·基于光谱高斯拟合参数的病害判别模型 | 第77-79页 |
| ·基于植被指数的水稻稻瘟病病害识别模型 | 第79-83页 |
| ·基于可见-近红波段光谱信息的植被指数的提取 | 第79页 |
| ·基于植被指数的水稻稻瘟病病害判别模型 | 第79-83页 |
| ·基于PLS-DA的水稻稻瘟病病害识别模型 | 第83-90页 |
| ·可见-近红外光谱(400-1100nm)和近红外光谱(900-1700nm)预处理 | 第84-87页 |
| ·基于可见-近红外高光谱的PLS-DA稻瘟病判别模型 | 第87页 |
| ·基于近红外高光谱的PLS-DA稻瘟病判别模型 | 第87-88页 |
| ·基于高光谱波段信息的特征波长提取 | 第88-90页 |
| ·基于小波变换的水稻稻瘟病病害识别模型 | 第90-97页 |
| ·基于光谱信息的小波变换 | 第91-92页 |
| ·基于光谱信息小波系数的分类判别模型 | 第92-97页 |
| ·基于可见-近红外光谱信息小波系数的分类判别模型 | 第92-94页 |
| ·基于近红外光谱信息小波系数的分类判别模型的判别 | 第94-97页 |
| ·基于SAM的水稻稻瘟病病害识别模型 | 第97-99页 |
| 本章小结 | 第99-101页 |
| 第五章 基于图像特征提取的水稻稻瘟病的病害识别 | 第101-125页 |
| ·基于图像主成分分析的水稻稻瘟病病害识别模型 | 第101-113页 |
| ·图像主成分分析 | 第101-103页 |
| ·基于图像主成分分析(PCA)的病害识别模型(可见-近红外波段) | 第103-108页 |
| ·基于图像主成分分析(PCA)的病害识别模型 | 第103-106页 |
| ·基于可见-近红外波段特征波长图像提取 | 第106-108页 |
| ·基于图像主成分分析(PCA)的病害识别模型(近红外波段) | 第108-113页 |
| ·基于图像主成分分析(PCA)的病害识别模型 | 第108-111页 |
| ·基于近红外波段特征波长图像提取 | 第111-113页 |
| ·基于概率统计滤波的水稻稻瘟病病害的识别模型 | 第113-117页 |
| ·基于概率统计滤波的纹理特征提取 | 第113页 |
| ·基于概率统计滤波的水稻稻瘟病病害的识别模型 | 第113-117页 |
| ·基于二阶概率统计滤波的水稻稻瘟病病害识别模型 | 第117-121页 |
| ·基于二阶概率统计滤波的纹理特征提取 | 第117-119页 |
| ·基于二阶概率统计滤波的水稻稻瘟病病害的识别模型 | 第119-121页 |
| ·基于特征波长图像纹理特征的水稻稻瘟病病害识别模型 | 第121-124页 |
| ·基于可见-近红外波长特征波长图像纹理特征提取 | 第121-122页 |
| ·基于特征波长图像纹理特征的病害识别模型 | 第122-124页 |
| 本章小结 | 第124-125页 |
| 第六章 基于抗氧化物酶的水稻稻瘟病早期检测模型 | 第125-141页 |
| ·水稻-稻瘟病菌互作的生理生化基础 | 第125-126页 |
| ·基于时间序列的水稻稻瘟病抗氧化酶系统的测量 | 第126-130页 |
| ·实验材料与方法 | 第126-127页 |
| ·水稻叶片抗氧化酶系统活力测定 | 第127-130页 |
| ·仪器 | 第127-128页 |
| ·试剂配制 | 第128-130页 |
| ·基于抗氧化酶的水稻稻瘟病早期预测模型 | 第130-140页 |
| ·基于时间序列的光谱特征变化趋势 | 第130-134页 |
| ·基于抗氧化酶的水稻稻瘟病的早期预测模型 | 第134-140页 |
| ·基于全光谱波段信息的抗氧化酶PLS预测模型 | 第134-137页 |
| ·基于特征波长光谱信息抗氧化酶PLS预测模型 | 第137-140页 |
| 本章小结 | 第140-141页 |
| 第七章 总结与展望 | 第141-145页 |
| ·结论 | 第141-143页 |
| ·论文的创新点 | 第143页 |
| ·展望 | 第143-145页 |
| 参考文献 | 第145-152页 |
| 附录 | 第152-160页 |
| 作者简介 | 第160-161页 |
