| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 1 绪论 | 第11-25页 |
| ·研究背景 | 第11-13页 |
| ·梅花品种的专业分类 | 第11-12页 |
| ·课题的提出 | 第12-13页 |
| ·研究目标 | 第13页 |
| ·研究意义 | 第13-14页 |
| ·计算机自动植物种类识别的国内外研究现状 | 第14-18页 |
| ·基于叶片图像处理的植物种类识别 | 第15-16页 |
| ·基于花朵图像处理的植物种类识别 | 第16-18页 |
| ·本文的研究内容 | 第18-21页 |
| ·梅花图像的分割算法研究 | 第18页 |
| ·特征提取 | 第18-20页 |
| ·分类器设计 | 第20-21页 |
| ·本文的技术路线 | 第21-22页 |
| ·本文的主要创新点 | 第22-23页 |
| ·本文的组织结构 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 2 基于图像的植物品种识别关键技术概述 | 第25-38页 |
| ·引言 | 第25页 |
| ·图像分割 | 第25-26页 |
| ·色彩空间 | 第26-28页 |
| ·RGB颜色空间 | 第26-27页 |
| ·HSV颜色空间 | 第27-28页 |
| ·特征提取 | 第28-35页 |
| ·视觉特征提取 | 第28-31页 |
| ·局部区块特征提取 | 第31-35页 |
| ·常见的分类器 | 第35-37页 |
| ·模式相似性测度 | 第35-36页 |
| ·贝叶斯分类器 | 第36页 |
| ·人工神经网络分类器 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 3 自然背景下的梅花花朵图像分割算法研究 | 第38-67页 |
| ·引言 | 第38页 |
| ·梅花花朵图像的特征分析 | 第38-40页 |
| ·自然花朵图像分割的国内外研究现状 | 第40-43页 |
| ·分别基于颜色特征和纹理特征的梅花花朵图像分割 | 第43-50页 |
| ·颜色特征分割 | 第43-47页 |
| ·纹理特征分割 | 第47-50页 |
| ·T&C分割算法 | 第50-62页 |
| ·算法综述 | 第50-51页 |
| ·分形维数的计算 | 第51-53页 |
| ·计算LFD图 | 第53-57页 |
| ·大津阈值分割 | 第57页 |
| ·去噪、填充和逻辑与操作 | 第57-58页 |
| ·色度饱和度分割 | 第58-61页 |
| ·后续处理 | 第61-62页 |
| ·实验结果及分析 | 第62-66页 |
| ·本章小结 | 第66-67页 |
| 4 目标区域的特征提取和分析 | 第67-93页 |
| ·引言 | 第67页 |
| ·目标区域视觉特征提取 | 第67-79页 |
| ·颜色特征 | 第67-72页 |
| ·形状特征 | 第72-76页 |
| ·纹理特征 | 第76-79页 |
| ·局部区块特征提取 | 第79-82页 |
| ·局部区块检测 | 第79-81页 |
| ·局部区块描述 | 第81页 |
| ·BOW生成 | 第81-82页 |
| ·数据归一化 | 第82-83页 |
| ·普通归一化 | 第82-83页 |
| ·坐标分布归一化 | 第83页 |
| ·平均数方差法 | 第83页 |
| ·均匀分布归一化 | 第83页 |
| ·特征的选择 | 第83-91页 |
| ·特征选择及搜索算法 | 第84-85页 |
| ·特征评估 | 第85-86页 |
| ·主成分分析 | 第86-91页 |
| ·本章小结 | 第91-93页 |
| 5 基于SVM和BP神经网络的梅花品种识别研究 | 第93-112页 |
| ·引言 | 第93页 |
| ·SVM分类器 | 第93-97页 |
| ·理论基础 | 第93-97页 |
| ·反向传播(BACK PROPOGATION,BP)神经网络分类器 | 第97-100页 |
| ·BP算法基本理论 | 第98-99页 |
| ·BP神经网络训练 | 第99-100页 |
| ·实验结果 | 第100-108页 |
| ·不同梅花样本的识别实验 | 第100-102页 |
| ·改进的BP神经网络识别实验 | 第102-103页 |
| ·SVM不同参数的识别实验 | 第103-104页 |
| ·不同归一化方法的识别实验 | 第104-105页 |
| ·不同特征融合的识别实验 | 第105-107页 |
| ·错分种类的分析实验 | 第107页 |
| ·通用花卉样本的识别实验 | 第107-108页 |
| ·实验结果分析和系统简介 | 第108-110页 |
| ·实验结果分析 | 第108-109页 |
| ·系统简介 | 第109-110页 |
| ·本章小结 | 第110-112页 |
| 6 结论与展望 | 第112-115页 |
| ·本文的主要工作 | 第112-114页 |
| ·未来工作展望 | 第114-115页 |
| 参考文献 | 第115-123页 |
| 个人简介 | 第123-124页 |
| 导师简介 | 第124-125页 |
| 获得成果目录 | 第125-126页 |
| 致谢 | 第126页 |