| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究背景与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·本文研究内容 | 第11-12页 |
| ·论文的组织结构 | 第12-13页 |
| 第二章 基于遥感图像的病虫害区域检测理论基础 | 第13-31页 |
| ·图像特征提取 | 第13-19页 |
| ·颜色特征提取 | 第14-16页 |
| ·纹理特征提取 | 第16-17页 |
| ·灰度共生矩阵定义 | 第17页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第17-18页 |
| ·灰度共生矩阵方法的原理 | 第18-19页 |
| ·分类算法 | 第19-26页 |
| ·K近邻分类算法 | 第20-22页 |
| ·基于决策树的分类法 | 第22-23页 |
| ·神经网络分类法 | 第23-25页 |
| ·支持向量机 | 第25-26页 |
| ·感兴趣区域检测 | 第26-30页 |
| ·Itti算法 | 第27-28页 |
| ·剩余频谱模型 | 第28-30页 |
| ·FT算法 | 第30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于深度神经网络分类算法的病虫害检测 | 第31-40页 |
| ·概述 | 第31-33页 |
| ·深度信念网络 | 第33-36页 |
| ·受限玻尔兹曼机 | 第33-34页 |
| ·RBM中的吉布斯马尔可夫链和梯度对数似然函数 | 第34页 |
| ·DBN中的逐层贪婪训练 | 第34-35页 |
| ·有监督的调优 | 第35-36页 |
| ·基于深度神经网络分类算法的病虫害检测 | 第36-39页 |
| ·图像特征提取 | 第36-37页 |
| ·深度神经网络分类算法 | 第37页 |
| ·实验与分析 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 基于感兴趣区域与纹理特征相结合的松材线虫病检测方法 | 第40-47页 |
| ·调频显著性区域检测 | 第40-43页 |
| ·显著性区域 | 第40-41页 |
| ·计算显著性区域原理 | 第41-42页 |
| ·计算显著性区域方法 | 第42-43页 |
| ·图像特征提取 | 第43页 |
| ·算法流程图 | 第43-44页 |
| ·实验与分析 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| ·全文工作总结 | 第47页 |
| ·工作展望 | 第47-49页 |
| 参考文献 | 第49-53页 |
| 致谢 | 第53-54页 |
| 攻读硕士学位期间发表的论文及参加的科研项目 | 第54页 |