首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图像的水稻灯诱害虫识别技术的研究

摘要第1-5页
Abstract第5-8页
第一章 绪论第8-15页
   ·研究背景、目的与意义第8-9页
     ·论文研究背景第8页
     ·研究目的和意义第8-9页
   ·国内外研究现状第9-11页
     ·昆虫图像采集第9页
     ·昆虫图像预处理第9-10页
     ·昆虫图像特征提取与识别第10-11页
   ·研究内容第11-12页
     ·大型水稻灯诱测报害虫识别算法的研究第12页
     ·小型水稻灯诱测报害虫识别算法的研究第12页
   ·技术路线图第12-13页
   ·论文安排第13-15页
第二章 水稻灯诱昆虫图像预处理第15-23页
   ·水稻灯诱昆虫样本来源第15页
   ·水稻灯诱昆虫图像拍摄环境第15-16页
   ·水稻灯诱昆虫图像预处理第16-21页
     ·背景去除第16-19页
       ·自适应阈值分割算法第17-18页
       ·迭代法求最佳阈值分割算法第18页
       ·两种不同的阈值分割算法比较第18-19页
     ·形态学处理第19-20页
     ·昆虫连通区域标记第20-21页
   ·水稻灯诱昆虫初步分类第21页
   ·本章小结第21-23页
第三章 大型水稻灯诱测报害虫识别算法的研究第23-40页
   ·大型水稻灯诱昆虫初分组第23页
   ·昆虫图像特征参数提取第23-32页
     ·颜色特征第24-27页
       ·颜色模型介绍第24页
       ·HSV 颜色模型第24-25页
       ·颜色量化第25-26页
       ·灯诱昆虫图像颜色特征提取第26-27页
     ·纹理特征第27-29页
       ·灰度共生矩第27-29页
       ·灯诱昆虫图像纹理特征提取第29页
     ·形态特征第29-32页
       ·水稻灯诱大型昆虫形态特点第30页
       ·灯诱昆虫图像形态特征提取第30-32页
   ·分类器的设计第32-37页
     ·支持向量机的参数优化第33-37页
     ·特征值的归一化第37页
   ·大型水稻灯诱测报害虫识别结果与分析第37-39页
   ·本章小结第39-40页
第四章 小型水稻灯诱测报害虫识别算法的研究第40-46页
   ·小型测报昆虫图像特征提取第40-43页
     ·HOG 特征提取第40-41页
     ·LBP 特征提取第41-43页
     ·全局特征提取第43页
   ·基于局部特征的小型测报害虫识别结果第43-44页
   ·基于全局特征的小型测报害虫识别结果第44页
   ·基于局部特征和全局特征结合的小型测报害虫识别结果第44-45页
   ·本章小结第45-46页
第五章 总结与展望第46-48页
   ·总结第46页
   ·展望第46-48页
参考文献第48-53页
致谢第53-55页
攻读硕士学位期间发表的论文#@@页

论文共55页,点击 下载论文
上一篇:针对变化的需求再生成测试用例
下一篇:在线软件系统的可靠性预测与提高