基于移动互联网的向日葵叶部病害图像采集与识别系统研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容与技术路线 | 第12-13页 |
| 1.3.1 主要研究内容 | 第12-13页 |
| 1.3.2 技术路线 | 第13页 |
| 1.4 章节安排 | 第13-15页 |
| 第二章 系统总体设计 | 第15-22页 |
| 2.1 系统架构总体设计 | 第15页 |
| 2.2 移动互联网技术 | 第15-16页 |
| 2.3 Android移动端操作系统 | 第16-20页 |
| 2.3.1 Android平台的结构与组成 | 第16-17页 |
| 2.3.2 Android开发环境 | 第17-18页 |
| 2.3.3 开发环境配置与测试 | 第18-19页 |
| 2.3.4 创建Android工程 | 第19-20页 |
| 2.4 服务器端搭建与通信 | 第20-21页 |
| 2.4.1 服务器开发环境 | 第20页 |
| 2.4.2 服务器端搭建 | 第20-21页 |
| 2.4.3 网络通信技术 | 第21页 |
| 2.5 本章小结 | 第21-22页 |
| 第三章 向日葵病害识别SIFT算法研究 | 第22-38页 |
| 3.1 向日葵叶部病害图像采集 | 第22-24页 |
| 3.2 向日葵叶部病害图像预处理 | 第24-27页 |
| 3.2.1 直方图的均衡化 | 第24-25页 |
| 3.2.2 同态滤波 | 第25-26页 |
| 3.2.3 中值滤波 | 第26-27页 |
| 3.3 SIFT识别算法介绍 | 第27-36页 |
| 3.3.1 SIFT算法的主要思路 | 第27页 |
| 3.3.2 SIFT算法实现步骤 | 第27-31页 |
| 3.3.3 SIFT算法特征提取 | 第31-32页 |
| 3.3.4 SIFT算法特征向量匹配 | 第32-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 向日葵病害识别SVM算法的研究 | 第38-53页 |
| 4.1 向日葵叶部病害图像分割 | 第38-42页 |
| 4.1.1 颜色空间模型选择 | 第38-40页 |
| 4.1.2 图像阈值分割 | 第40-42页 |
| 4.2 向日葵叶部病斑图像特征提取 | 第42-46页 |
| 4.2.1 颜色特征提取 | 第42-43页 |
| 4.2.2 纹理特征提取 | 第43-45页 |
| 4.2.3 特征参数归一化处理 | 第45-46页 |
| 4.3 支持向量机(SVM)算法 | 第46-49页 |
| 4.3.1 支持向量机的理论基础 | 第46-48页 |
| 4.3.2 支持向量机多分类问题 | 第48-49页 |
| 4.4 SVM算法分类识别向日葵病害 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第五章 向日葵病害图像识别系统设计与实现 | 第53-69页 |
| 5.1 移动客户端设计 | 第53-57页 |
| 5.1.1 客户端界面设计 | 第53-55页 |
| 5.1.2 Android事件处理 | 第55-56页 |
| 5.1.3 获取图像 | 第56页 |
| 5.1.4 系统权限设置 | 第56-57页 |
| 5.2 服务器程序设计 | 第57-63页 |
| 5.2.1 图形界面设计 | 第57-59页 |
| 5.2.2 数据交互 | 第59页 |
| 5.2.3 socket网络通信 | 第59-61页 |
| 5.2.4 数据库建立 | 第61-63页 |
| 5.2.5 病害识别算法调用 | 第63页 |
| 5.3 系统测试 | 第63-68页 |
| 5.3.1 算法测试 | 第63-66页 |
| 5.3.2 算法比较 | 第66页 |
| 5.3.3 运行测试 | 第66-68页 |
| 5.4 本章小结 | 第68-69页 |
| 结论与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读学位期间发表的学术论文及取得的科研成果 | 第74-75页 |
| 作者简介 | 第75页 |
