基于支持向量机SVM的水稻害虫图像识别技术研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究目的及意义 | 第11页 |
| 1.2 水稻害虫图像识别技术国内外研究现状 | 第11-15页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-15页 |
| 1.3 论文主要研究工作和内容安排 | 第15-17页 |
| 1.3.1 论文的主要工作 | 第15页 |
| 1.3.2 论文的内容安排 | 第15-17页 |
| 第2章 水稻害虫图像的预处理 | 第17-30页 |
| 2.1 水稻害虫图像灰度化处理 | 第18-20页 |
| 2.2 水稻害虫图像去噪处理 | 第20-21页 |
| 2.3 水稻害虫图像二值化及其形态学处理 | 第21-29页 |
| 2.3.1 水稻害虫图像二值化 | 第21-24页 |
| 2.3.2 二值化图像形态学处理 | 第24-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 水稻害虫图像分割 | 第30-41页 |
| 3.1 边缘检测图像分割算法 | 第31-34页 |
| 3.1.1 梯度算子 | 第31-32页 |
| 3.1.2 高斯-拉普拉斯算子 | 第32页 |
| 3.1.3 Canny算子 | 第32-34页 |
| 3.2 基于区域图像分割算法 | 第34-38页 |
| 3.2.1 区域生长算法 | 第34-35页 |
| 3.2.2 区域分裂与合并算法 | 第35-36页 |
| 3.2.3 阈值分割法 | 第36-38页 |
| 3.3 面向水稻害虫的图像分割 | 第38-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 水稻害虫图像特征提取 | 第41-52页 |
| 4.1 特征提取的一般原则 | 第41页 |
| 4.2 纹理特征 | 第41-44页 |
| 4.2.1 行程长度 | 第42-43页 |
| 4.2.2 灰度纹理 | 第43-44页 |
| 4.3 形态特征 | 第44-46页 |
| 4.3.1 几何形状特性 | 第44-45页 |
| 4.3.2 不变矩 | 第45-46页 |
| 4.4 特征数据归一化 | 第46页 |
| 4.5 特征优选 | 第46-47页 |
| 4.6 PCA主成分分析方法 | 第47-51页 |
| 4.7 本章小结 | 第51-52页 |
| 第5章 水稻害虫图像分类识别 | 第52-61页 |
| 5.1 模式识别方法介绍 | 第52-54页 |
| 5.2 基于支持向量机SVM的水稻害虫图像识别 | 第54-60页 |
| 5.3 实验结果对比分析 | 第60页 |
| 5.4 本章小结 | 第60-61页 |
| 第6章 总结和展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66页 |
