| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景和意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 机器视觉在作物目标识别上的研究现状 | 第11-13页 |
| 1.2.2 机器视觉在作物生长期识别与预测上的研究现状 | 第13-14页 |
| 1.3 本论文的主要研究工作及章节安排 | 第14-16页 |
| 第二章 基于支持向量数据描述的玉米杂草自动识别 | 第16-32页 |
| 2.1 引言 | 第16页 |
| 2.2 实验材料与方法 | 第16-22页 |
| 2.2.1 图片获取与预处理 | 第16-18页 |
| 2.2.2 支持向量数据描述与支持向量机 | 第18-21页 |
| 2.2.3 特征降维与评价指标 | 第21-22页 |
| 2.3 实验结果与分析 | 第22-31页 |
| 2.3.1 图像预处理与特征降维 | 第22-27页 |
| 2.3.2 基于SVDD的建模分析 | 第27页 |
| 2.3.3 识别算法结果比较 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于显著性检验的玉米穗自动识别 | 第32-45页 |
| 3.1 引言 | 第32页 |
| 3.2 实验材料与方法 | 第32-35页 |
| 3.2.1 图片获取 | 第32页 |
| 3.2.2 去光饱和算法与显著性检验 | 第32-35页 |
| 3.3 纹理特征提取与算法评价 | 第35-39页 |
| 3.3.1 纹理特征提取与评价指标 | 第35-37页 |
| 3.3.2 尺度不变特征转换与简单线性迭代聚类 | 第37-39页 |
| 3.4 实验结果与分析 | 第39-44页 |
| 3.4.1 去光饱和算法结果 | 第39-43页 |
| 3.4.2 不同识别算法的比较 | 第43-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于多信息融合的玉米生长期预测 | 第45-54页 |
| 4.1 引言 | 第45页 |
| 4.2 实验材料与方法 | 第45-49页 |
| 4.2.1 实验材料与特征获取 | 第45页 |
| 4.2.2 基于多信息融合的玉米生长期预测 | 第45-47页 |
| 4.2.3 T-S模糊建模 | 第47-49页 |
| 4.3 实验结果与分析 | 第49-53页 |
| 4.3.1 基于LSSVM生长期识别结果分析 | 第49-50页 |
| 4.3.2 基于T-S模糊建模的覆盖度预测结果分析 | 第50-52页 |
| 4.3.3 基于多信息融合的生长期预测结果分析 | 第52-53页 |
| 4.4 本章小结 | 第53-54页 |
| 主要结论与展望 | 第54-57页 |
| 主要结论 | 第54-55页 |
| 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录:作者在攻读硕士学位期间发表的论文 | 第61页 |