水稻冠层图像的自动识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题研究的背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·绿色植物目标与背景的分割研究现状 | 第10-11页 |
| ·作物与杂草的识别研究现状 | 第11-14页 |
| ·本文主要工作 | 第14-16页 |
| 第2章 绿色植物目标与背景的分割方法研究 | 第16-34页 |
| ·概述 | 第16-17页 |
| ·图像滤波预处理 | 第17页 |
| ·绿色植物目标与背景分割方法的现状 | 第17-31页 |
| ·基于超绿特征的分割方法 | 第17-23页 |
| ·基于标准差分指标的分割方法 | 第23-25页 |
| ·基于超绿-超红特征的分割方法 | 第25页 |
| ·基于色度分量H的分割方法 | 第25-27页 |
| ·基于色差分量Cr的分割方法 | 第27-29页 |
| ·基于颜色分量运算与色域压缩的分割方法 | 第29-31页 |
| ·实验结果分析 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 非粘连情况下的杂草去除 | 第34-43页 |
| ·概述 | 第34页 |
| ·连通域标记算法 | 第34-35页 |
| ·面积过滤法 | 第35-37页 |
| ·基于形状特征的识别方法 | 第37-42页 |
| ·本章小结 | 第42-43页 |
| 第4章 粘连情况下的杂草识别与去除 | 第43-58页 |
| ·概述 | 第43-44页 |
| ·轮廓跟踪算法 | 第44页 |
| ·凹点检测原理与算法 | 第44-48页 |
| ·凹点检测算法 | 第44-46页 |
| ·实验结果分析 | 第46-48页 |
| ·边缘检测方法 | 第48页 |
| ·hough变换圆检测 | 第48-53页 |
| ·经典的Hough变换圆检测方法 | 第49-50页 |
| ·快速的Hough变换检测圆算法 | 第50-51页 |
| ·实验结果分析 | 第51-53页 |
| ·杂草识别方法原理及实验结果 | 第53-57页 |
| ·杂草识别算法 | 第53-54页 |
| ·实验结果分析 | 第54-57页 |
| ·本章小结 | 第57-58页 |
| 第5章 基于轮廓曲率的杂草识别方法 | 第58-69页 |
| ·概述 | 第58页 |
| ·曲率的定义及计算方法 | 第58-61页 |
| ·基于轮廓曲率的识别算法 | 第61-63页 |
| ·还原到原图像 | 第63页 |
| ·实验结果分析 | 第63-68页 |
| ·本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-70页 |
| ·全文总结 | 第69页 |
| ·存在的问题及研究展望 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读学位期间的研究成果 | 第76页 |
