| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 本课题研究目的与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文技术路线 | 第13-15页 |
| 1.4 论文的结构安排 | 第15-16页 |
| 第二章 图像获取与预处理 | 第16-23页 |
| 2.1 图像获取 | 第16-17页 |
| 2.1.1 本文研究的病害 | 第16-17页 |
| 2.1.2 图像获取 | 第17页 |
| 2.2 彩色图像预处理 | 第17-22页 |
| 2.2.1 矢量中值滤波(VMF) | 第17-18页 |
| 2.2.2 基本矢量方向滤波器(BVDF) | 第18-19页 |
| 2.2.3 距离方向滤波器(DDF) | 第19-21页 |
| 2.2.4 各种预处理结果与分析 | 第21-22页 |
| 2.3 本章小结 | 第22-23页 |
| 第三章 花生病斑图像分割方法与比较 | 第23-39页 |
| 3.1 引言 | 第23页 |
| 3.2 颜色模型分析 | 第23-26页 |
| 3.2.1 RGB颜色模型 | 第23-25页 |
| 3.2.2 HSV颜色模型 | 第25-26页 |
| 3.3 基于超绿颜色特征的图像分割 | 第26-27页 |
| 3.4 基于非绿特征图像分割 | 第27-29页 |
| 3.5 基于非绿特征图像分割在花生病害图像上的改进 | 第29-31页 |
| 3.6 基于C-V模型的花生叶部病斑图像分割 | 第31-38页 |
| 3.6.1 C-V模型及其水平集解法 | 第31-34页 |
| 3.6.2 优化初始化轮廓位置的C-V模型的花生叶片病斑图像分割 | 第34-38页 |
| 3.7 本章小结 | 第38-39页 |
| 第四章 花生叶部病害图像的特征提取 | 第39-47页 |
| 4.1 花生叶部病害颜色特征及提取 | 第39-40页 |
| 4.1.1 颜色矩特征 | 第39-40页 |
| 4.2 花生叶部病害纹理特征及提取 | 第40-46页 |
| 4.2.1 Tamura纹理特征 | 第40-43页 |
| 4.2.2 基于灰度共生矩阵的纹理特征 | 第43-46页 |
| 4.3 花生叶部病害形状特征及提取 | 第46页 |
| 4.4 本章小结 | 第46-47页 |
| 第五章 基于支持向量机的花生褐斑病识别方法研究 | 第47-59页 |
| 5.1 支持向量机原理 | 第47-54页 |
| 5.1.1 线性可分支持向量机 | 第47-50页 |
| 5.1.2 线性支持向量机 | 第50-52页 |
| 5.1.3 非线性支持向量机 | 第52-54页 |
| 5.2 试验结果与分析 | 第54-58页 |
| 5.3 本章小结 | 第58-59页 |
| 第六章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59-60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65页 |