| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-13页 |
| ·天牛造成的林木灾害 | 第8-10页 |
| ·引入图像分析技术的必要性 | 第10页 |
| ·农林害虫防治的研究现状 | 第10-12页 |
| ·国外研究现状 | 第10-11页 |
| ·国内研究现状 | 第11-12页 |
| ·论文章节安排 | 第12-13页 |
| 2 天牛虫图像预处理 | 第13-17页 |
| ·图像预处理的必要性 | 第13页 |
| ·小波变换图像降噪 | 第13-16页 |
| ·选用小波去噪原因 | 第13-14页 |
| ·小波去噪方法 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 3 天牛虫图像特征提取 | 第17-33页 |
| ·天牛虫图像的颜色特征提取 | 第17-20页 |
| ·颜色直方图 | 第17-18页 |
| ·颜色聚合矢量(Color Coherence Vector) | 第18页 |
| ·颜色相关图(Color Correlogram) | 第18页 |
| ·颜色矩(Color Moments) | 第18-19页 |
| ·累积直方图 | 第19页 |
| ·局部颜色特征 | 第19-20页 |
| ·图像的纹理特征提取 | 第20-22页 |
| ·基于空间性质的纹理模型 | 第20-22页 |
| ·基于频域性质的纹理模型 | 第22页 |
| ·图像的形状特征提取 | 第22-27页 |
| ·基于边界的形状描述 | 第22-25页 |
| ·基于区域的形状描述 | 第25-27页 |
| ·基于SIFT算法的天牛虫特征提取 | 第27-32页 |
| ·SIFT算法简介 | 第27页 |
| ·SIFT的特性 | 第27页 |
| ·SIFT算法的实现 | 第27-32页 |
| ·SIFT特征的缺点 | 第32页 |
| ·本章小结 | 第32-33页 |
| 4 天牛虫图像SIFT特征与Bag of words模型 | 第33-36页 |
| ·Bag of words模型 | 第33页 |
| ·Bag of words模型应用于天牛虫图像 | 第33-35页 |
| ·算法流程图 | 第33-34页 |
| ·详细说明 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 5 选用支持向量机的原因 | 第36-43页 |
| ·统计学习理论 | 第36-37页 |
| ·SVM分类器的基本思想 | 第37页 |
| ·SVM分类器 | 第37-42页 |
| ·线性可分时的SVM | 第37-38页 |
| ·线性不可分时的SVM | 第38-39页 |
| ·非线性的SVM | 第39-40页 |
| ·用于多类分类的SVM | 第40-42页 |
| ·本章小结 | 第42-43页 |
| 6 天牛虫识别的相关实验以及分析 | 第43-51页 |
| ·图像数据和实验说明 | 第43-48页 |
| ·实验流程 | 第43-44页 |
| ·图像数据 | 第44-46页 |
| ·Libsvm简介 | 第46-47页 |
| ·核函数选择 | 第47-48页 |
| ·实验结果 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读学位期间发表的学术论文 | 第56-57页 |
| 致谢 | 第57-58页 |
