基于图像处理的玉米与杂草机器视觉分类模型的设计
| 摘要 | 第1-7页 |
| 第一章 绪论 | 第7-12页 |
| ·论文研究背景及意义 | 第7-8页 |
| ·基于机器视觉的杂草识别的发展历程 | 第8-11页 |
| ·图像分割技术研究概况 | 第8-9页 |
| ·图像特征提取技术的研究概况 | 第9-11页 |
| ·论文框架及研究内容 | 第11-12页 |
| 第二章 图像获取及图像分割 | 第12-23页 |
| ·获取图像及尺寸标定 | 第12页 |
| ·叶片与土壤背景的分割 | 第12-22页 |
| ·颜色模型选取及变换 | 第13-18页 |
| ·亮度校正 | 第18页 |
| ·阈值分割法 | 第18-19页 |
| ·形态学处理 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 植株图像特征提取 | 第23-33页 |
| ·形状特征的提取 | 第23-26页 |
| ·玉米植株轮廓的获取 | 第23页 |
| ·计算度量值 | 第23-24页 |
| ·计算区域描述特征 | 第24-25页 |
| ·不变矩特征 | 第25-26页 |
| ·纹理特征的提取 | 第26-30页 |
| ·计算灰度共生矩阵 | 第26-28页 |
| ·提取纹理的特征 | 第28-30页 |
| ·分形维数特征的提取 | 第30-32页 |
| ·分形理论概述 | 第30页 |
| ·提取分形维数 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 分类器模型的选取与构造 | 第33-44页 |
| ·模式识别概述 | 第33页 |
| ·SVM分类器 | 第33-39页 |
| ·SVM的基本原理 | 第33-37页 |
| ·SVM识别模型的构建 | 第37-39页 |
| ·BP神经网络 | 第39-42页 |
| ·BP神经网络的结构 | 第40-41页 |
| ·BP神经网络训练 | 第41-42页 |
| ·实验结论的对比与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 结论与展望 | 第44-46页 |
| ·结论 | 第44-45页 |
| ·展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| Abstract | 第49-51页 |
| 致谢 | 第51页 |
