基于图像识别的作物病害诊断研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第1章 绪论 | 第10-19页 |
| ·选题背景及意义 | 第10-11页 |
| ·图像处理技术 | 第11-14页 |
| ·国内外图像识别技术研究现状 | 第14-16页 |
| ·图像识别技术的国外研究现状 | 第14页 |
| ·图像识别技术的国内研究现状 | 第14-16页 |
| ·本文主要研究内容和技术路线 | 第16-17页 |
| ·研究内容 | 第16-17页 |
| ·技术路线 | 第17页 |
| ·本文的组织结构 | 第17-19页 |
| 第2章 黄瓜病害图像预处理 | 第19-26页 |
| ·图像裁剪 | 第19-22页 |
| ·图像增强 | 第22-23页 |
| ·均值滤波器 | 第22-23页 |
| ·中值滤波器 | 第23页 |
| ·实验结果比较 | 第23-24页 |
| ·本章小结 | 第24-26页 |
| 第3章 黄瓜病害图像分割 | 第26-32页 |
| ·阈值分割 | 第26-27页 |
| ·病害部位提取 | 第27-31页 |
| ·直方图阈值法分割病斑 | 第27-28页 |
| ·阈值调节法分割病斑 | 第28-29页 |
| ·病斑轮廓提取 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 黄瓜病害图像特征提取 | 第32-48页 |
| ·作物病害图像颜色特征研究 | 第32-39页 |
| ·RGB 颜色模型 | 第33-34页 |
| ·HIS 颜色模型 | 第34-35页 |
| ·常用的颜色特征 | 第35-36页 |
| ·结果与分析 | 第36-39页 |
| ·作物病害图像纹理特征研究 | 第39-42页 |
| ·传统纹理分析特征 | 第39-41页 |
| ·常用的纹理特征 | 第41-42页 |
| ·本文中构造的纹理特征参数 | 第42页 |
| ·作物病害图像形状特征研究 | 第42-47页 |
| ·数学形态学原理 | 第42-43页 |
| ·常用的形状特征 | 第43-44页 |
| ·本文中构造的形状特征参数 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 黄瓜病害图像模式识别 | 第48-56页 |
| ·图像分类方法概述 | 第48-50页 |
| ·SVM 分类器 | 第50-53页 |
| ·SVM 基本原理 | 第50-53页 |
| ·支持向量机的核函数 | 第53页 |
| ·材料与方法 | 第53-54页 |
| ·结果与分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 基于图像处理的黄瓜病害诊断系统的实现 | 第56-71页 |
| ·病害诊断系统的工作流程图 | 第56-57页 |
| ·黄瓜病害识别系统实现的软硬件条件 | 第57-58页 |
| ·计算机系统 | 第57-58页 |
| ·软件环境 | 第58页 |
| ·病害诊断系统的功能模块划分 | 第58-70页 |
| ·图像预处理模块 | 第58-63页 |
| ·图像特征提取模块 | 第63-67页 |
| ·图像模式识别模块 | 第67-70页 |
| ·本章小结 | 第70-71页 |
| 第7章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 致谢 | 第78-79页 |
| 在读期间发表的学术论文与取得的研究成果 | 第79页 |
