基于光谱和多光谱数字图像的作物与杂草识别方法研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-40页 |
| ·引言 | 第11-13页 |
| ·杂草识别研究的背景与意义 | 第11-12页 |
| ·基于机器视觉的精确喷药系统 | 第12-13页 |
| ·机器视觉 | 第13-26页 |
| ·机器视觉概述 | 第13-14页 |
| ·机器视觉识别物体的过程 | 第14页 |
| ·机器视觉系统的构成 | 第14-17页 |
| ·机器视觉在杂草识别研究中的应用 | 第17-26页 |
| ·杂草与作物识别与精细农业研究 | 第26-32页 |
| ·精细农业概况 | 第26-28页 |
| ·精细农业的技术思想 | 第28页 |
| ·精细农业技术体系 | 第28-29页 |
| ·信息获取系统 | 第29-31页 |
| ·信息处理系统 | 第31-32页 |
| ·本文研究的主要内容与方法 | 第32-40页 |
| 第二章 基于 Vis/NIR光谱的作物与杂草识别 | 第40-56页 |
| ·引言 | 第40-44页 |
| ·基于光谱的杂草识别的理论依据 | 第40-42页 |
| ·光谱技术在杂草识别领域的应用现状 | 第42-44页 |
| ·材料与方法 | 第44-50页 |
| ·FieldSpec Pro FR手持式光谱仪 | 第44页 |
| ·光谱的获取 | 第44-45页 |
| ·数据预处理方法 | 第45-50页 |
| ·试验结果与分析 | 第50-53页 |
| ·小结 | 第53-56页 |
| 第三章 基于颜色空间变换的作物与杂草图像处理 | 第56-88页 |
| ·引言 | 第56页 |
| ·彩色空间与变换 | 第56-74页 |
| ·可见光谱空间 | 第56-59页 |
| ·RGB颜色空间 | 第59-60页 |
| ·HSI空间 | 第60-61页 |
| ·OHTA颜色空间 | 第61-64页 |
| ·CIE颜色空间 | 第64-74页 |
| ·图像分割 | 第74-85页 |
| ·分割的理论基础 | 第74-78页 |
| ·边缘检测 | 第78-82页 |
| ·门限处理 | 第82-83页 |
| ·边缘细化 | 第83页 |
| ·基于区域的分割 | 第83-85页 |
| ·基于分水岭方法的分割 | 第85页 |
| ·小结 | 第85-88页 |
| 第四章 作物与杂草多光谱图像的增强方法 | 第88-111页 |
| ·引言 | 第88-89页 |
| ·空间域滤波处理 | 第89-93页 |
| ·线性平滑滤波器 | 第90-91页 |
| ·维纳滤波 | 第91页 |
| ·中间值滤波 | 第91-92页 |
| ·锐化处理 | 第92-93页 |
| ·对比度增强滤波 | 第93页 |
| ·频率域滤波处理 | 第93-109页 |
| ·快速傅里叶变换(FFT) | 第95-96页 |
| ·图像傅立叶变换的物理意义 | 第96-98页 |
| ·系统表示 | 第98-99页 |
| ·数字滤波器 | 第99-100页 |
| ·低通滤波 | 第100-105页 |
| ·高通滤波 | 第105-109页 |
| ·小结 | 第109-111页 |
| 第五章 基于图像分析的作物与杂草识别 | 第111-124页 |
| ·引言 | 第111-112页 |
| ·方法 | 第112-115页 |
| ·数学形态学方法 | 第112-115页 |
| ·二值形态学方法 | 第113-114页 |
| ·灰度形态学基本运算 | 第114-115页 |
| ·击中击不中变换 | 第115页 |
| ·实验与结果 | 第115-121页 |
| ·基于形态学的边界提取 | 第115-117页 |
| ·阈值分割 | 第117-118页 |
| ·豆苗图像提取 | 第118-119页 |
| ·图像分析与目标识别 | 第119-121页 |
| ·小结 | 第121-124页 |
| 第六章 结论与展望 | 第124-128页 |
| ·结论 | 第124-125页 |
| ·展望 | 第125-126页 |
| ·本文的创新点 | 第126-128页 |
| 附录 | 第128-135页 |
| 攻博期间参加的科研工作和发表的论文 | 第135-136页 |
| 致谢 | 第136页 |
