| 摘要 | 第1-14页 |
| Abstract | 第14-15页 |
| 第一章 绪论 | 第15-26页 |
| ·数字图像处理与模式识别的应用 | 第15-16页 |
| ·计算机视觉系统 | 第16-21页 |
| ·计算机视觉的发展 | 第16-17页 |
| ·计算机视觉研究状况 | 第17-18页 |
| ·人类视觉与计算机视觉 | 第18页 |
| ·视觉信息系统模型 | 第18-19页 |
| ·计算机视觉的应用领域 | 第19页 |
| ·计算机视觉在农业中的应用 | 第19-21页 |
| ·课题意义及国内外研究现状 | 第21-24页 |
| ·课题背景及研究意义 | 第21-22页 |
| ·国内外研究现状 | 第22-24页 |
| ·课题研究主要内容 | 第24-26页 |
| 第二章 农作物病害图像预处理算法的研究 | 第26-48页 |
| ·图像采集 | 第26-27页 |
| ·彩色图像灰度化处理 | 第27页 |
| ·颜色空间及其特点 | 第27-29页 |
| ·CIE1931-RGB颜色空间 | 第27-28页 |
| ·YCbCr颜色空间 | 第28页 |
| ·HSI颜色空间 | 第28-29页 |
| ·HSV颜色空间 | 第29页 |
| ·图像去噪 | 第29-31页 |
| ·图像噪声分析 | 第29-30页 |
| ·图像颜色空间的选择 | 第30-31页 |
| ·Winer滤波原理 | 第31页 |
| ·传统图像增强算法分析 | 第31-37页 |
| ·图像的平滑与锐化 | 第31-33页 |
| ·中值滤波 | 第33-35页 |
| ·灰度直方图均衡和高维直方图 | 第35-37页 |
| ·空域对比度增强处理 | 第37-42页 |
| ·多尺度 Retinex灰度图像增强算法 | 第38-41页 |
| ·多尺度 Retinex彩色复原图像增强算法 | 第41-42页 |
| ·频域对比度增强 | 第42-48页 |
| ·小波变换与傅立叶变换 | 第42-43页 |
| ·小波滤波器基本原理 | 第43-45页 |
| ·小波边界延拓 | 第45-46页 |
| ·小波灰度图像增强算法 | 第46-48页 |
| 第三章 农作物病害图像的分割算法研究与实现 | 第48-64页 |
| ·图像分割概述 | 第48-49页 |
| ·图像分割算法 | 第49-51页 |
| ·聚类分析 | 第51-52页 |
| ·聚类分析简介 | 第51页 |
| ·聚类分析在图像分割中的应用 | 第51-52页 |
| ·C—均值聚类算法 | 第52-59页 |
| ·硬C—均值(HCM)算法 | 第53-55页 |
| ·模糊C—均值(FCM)算法 | 第55-58页 |
| ·硬C均值算法与模糊C—均值算法的比较 | 第58-59页 |
| ·模糊 C—均值聚类分割算法 | 第59-61页 |
| ·标准模糊 C—均值聚类分割算法 | 第59-60页 |
| ·快速FCM分割算法 | 第60-61页 |
| ·实验结果与分析 | 第61-64页 |
| 第四章 农作物病害图像的特征提取 | 第64-80页 |
| ·特征提取概述 | 第64-65页 |
| ·图像的特征描述 | 第64-65页 |
| ·特征提取的步骤 | 第65页 |
| ·特征归一化处理 | 第65-66页 |
| ·小波农作物病害图像特征提取算法 | 第66-72页 |
| ·小波农作物病害图像特征提取算法 | 第66页 |
| ·农作物病害图像纹理特征提取 | 第66-72页 |
| ·概述 | 第66-67页 |
| ·空间灰度层共现矩阵 | 第67-69页 |
| ·提升小波 | 第69-71页 |
| ·特征提取过程 | 第71-72页 |
| ·二分树复数小波变换(DT CWT)算法 | 第72-78页 |
| ·DT CWT的提出 | 第72-73页 |
| ·DT CWT原理 | 第73-74页 |
| ·DT CWT滤波器 | 第74-75页 |
| ·Q-shift DT CWT作物病害统计特征提取的设计 | 第75-78页 |
| ·农作物病害图像的特征选择 | 第78-80页 |
| 第五章 农作物病害识别分类器的设计与实现 | 第80-93页 |
| ·概述 | 第80-82页 |
| ·统计模式识别方法 | 第80-81页 |
| ·统计学习理论原理 | 第81-82页 |
| ·支持向量机原理 | 第82-88页 |
| ·最优分类超平面 | 第82-83页 |
| ·广义的最优分类超平面 | 第83-85页 |
| ·高维空间的最优分类面 | 第85-87页 |
| ·最优分类超平面的构造 | 第87-88页 |
| ·核函数 | 第88-89页 |
| ·支持向量机参数的选择 | 第89-90页 |
| ·作物病害分类器泛化性能分析 | 第90页 |
| ·训练样本的选择 | 第90-91页 |
| ·实验结果与分析 | 第91-93页 |
| 第六章 农作物病害诊断模型的建立与分析 | 第93-101页 |
| ·几何距离相似性度量 | 第93-94页 |
| ·BP神经网络相似性度量 | 第94-100页 |
| ·BP神经网络及其改进 | 第94-100页 |
| ·遗传算法的改进 | 第95-97页 |
| ·并行模拟退火算法 | 第97页 |
| ·并行模拟退火遗传算法优化3层BP网络的实现 | 第97-100页 |
| ·实验结果与分析 | 第100-101页 |
| 第七章 系统设计与实现 | 第101-109页 |
| ·开发环境 | 第101页 |
| ·系统硬件组成 | 第101-105页 |
| ·系统工作流程的建立 | 第105-107页 |
| ·程序执行的部分界面 | 第107-109页 |
| 总结 | 第109-112页 |
| 参考文献 | 第112-120页 |
| 致谢 | 第120-121页 |
| 攻读博士期间发表的论文 | 第121-122页 |
| 附录 | 第122页 |