| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-13页 |
| 1.2.1 基于遥感的农作物长势的监测 | 第10页 |
| 1.2.2 基于机器视觉与图像处理的农作物长势的监测 | 第10-13页 |
| 1.3 研究内容 | 第13-15页 |
| 第二章 技术路线 | 第15-21页 |
| 2.1 技术路线流程图 | 第15-16页 |
| 2.2 试验田概况 | 第16页 |
| 2.3 图像采集和处理软硬件构成 | 第16-20页 |
| 2.3.1 硬件结构 | 第16-19页 |
| 2.3.2 软件结构 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 图像识别方法 | 第21-42页 |
| 3.1 农作物提取算法 | 第21-27页 |
| 3.1.1 HSI颜色模型 | 第21-22页 |
| 3.1.2 Lab颜色模型 | 第22-23页 |
| 3.1.3 HI颜色对照表 | 第23-24页 |
| 3.1.4 K-means算法 | 第24-26页 |
| 3.1.5 HI-KM算法 | 第26-27页 |
| 3.2 图像识别中用到的一些概念 | 第27-31页 |
| 3.2.1 骨架化 | 第27-29页 |
| 3.2.2 边缘检测和轮廓提取 | 第29-30页 |
| 3.2.3 作物覆盖度 | 第30-31页 |
| 3.3 玉米出苗期识别方法 | 第31-33页 |
| 3.3.1 玉米苗的提取 | 第32-33页 |
| 3.3.2 空间分布均匀度的计算 | 第33页 |
| 3.4 玉米三叶期识别方法 | 第33-36页 |
| 3.4.1 骨架顶点数的计算 | 第33-35页 |
| 3.4.2 轮廓区域平均顶点数的计算 | 第35-36页 |
| 3.5 玉米七叶期识别方法 | 第36-39页 |
| 3.5.1 定苗的自动检测 | 第36-37页 |
| 3.5.2 玉米七叶期识别流程 | 第37-39页 |
| 3.6 玉米拔节期识别方法 | 第39-41页 |
| 3.6.1 覆盖度的计算 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 基于opencv的玉米长势监测系统的软件实现 | 第42-47页 |
| 4.1 系统软件界面 | 第42-44页 |
| 4.2 系统软件检测流程 | 第44-45页 |
| 4.3 系统软件主要用到的opencv函数 | 第45-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 系统实验与测试结果 | 第47-52页 |
| 5.1 实验数据获取 | 第47页 |
| 5.2 玉米出苗期检测结果与数据分析 | 第47-48页 |
| 5.3 玉米三叶期检测结果与数据分析 | 第48-49页 |
| 5.4 玉米七叶期检测结果与数据分析 | 第49-50页 |
| 5.5 玉米拔节期检测结果与数据分析 | 第50页 |
| 5.6 系统检测结果和人工检测结果对比 | 第50-51页 |
| 5.7 本章小结 | 第51-52页 |
| 第六章 总结与展望 | 第52-56页 |
| 6.1 结论 | 第52-53页 |
| 6.2 论文主要创新点 | 第53页 |
| 6.3 进一步工作展望 | 第53-56页 |
| 参考文献 | 第56-58页 |
| 致谢 | 第58-59页 |
| 作者简介 | 第59页 |