| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景及意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.3 研究内容 | 第14-16页 |
| 1.4 本章小结 | 第16-17页 |
| 2 水稻叶部病害图像采集与病斑库的建立 | 第17-24页 |
| 2.1 图像采集 | 第17-18页 |
| 2.1.1 图像采集设备 | 第17页 |
| 2.1.2 图片采集 | 第17-18页 |
| 2.2 病斑图像预处理 | 第18-22页 |
| 2.2.1 图像灰度化 | 第19-20页 |
| 2.2.2 图像去噪 | 第20-21页 |
| 2.2.3 图像分割 | 第21-22页 |
| 2.3 水稻叶部病害病斑库的建立 | 第22页 |
| 2.4 本章小结 | 第22-24页 |
| 3 水稻叶部病斑的特征参数提取 | 第24-33页 |
| 3.1 水稻叶部病害病斑特点 | 第24页 |
| 3.2 颜色特征 | 第24-29页 |
| 3.2.1 颜色空间转换 | 第25-27页 |
| 3.2.2 颜色直方图 | 第27-29页 |
| 3.2.3 颜色特征参数提取 | 第29页 |
| 3.3 形状特征 | 第29-30页 |
| 3.4 纹理特征 | 第30-32页 |
| 3.5 本章小结 | 第32-33页 |
| 4 水稻叶部病斑特征参数的优化 | 第33-41页 |
| 4.1 颜色特征参数优化 | 第33-35页 |
| 4.2 形状特征参数优化 | 第35-36页 |
| 4.3 纹理特征参数优化 | 第36-39页 |
| 4.4 特征参数优化效果分析 | 第39页 |
| 4.5 本章小结 | 第39-41页 |
| 5 水稻叶部病害识别模型构建 | 第41-49页 |
| 5.1 模式识别 | 第41-42页 |
| 5.1.1 人工神经网络 | 第41-42页 |
| 5.1.2 贝叶斯分类器 | 第42页 |
| 5.2 基于BP神经网络的水稻叶部病害识别模型构建 | 第42-46页 |
| 5.2.1 设计BP神经网络 | 第43页 |
| 5.2.2 基于颜色特征的BP神经网络模型 | 第43-44页 |
| 5.2.3 基于形状特征的BP神经网络模型 | 第44页 |
| 5.2.4 基于纹理特征的BP神经网络模型 | 第44-45页 |
| 5.2.5 基于组合特征的BP神经网络模型 | 第45-46页 |
| 5.3 基于贝叶斯分类器的水稻叶部病害识别模型构建 | 第46-48页 |
| 5.4 最佳模型选择 | 第48页 |
| 5.5 本章小结 | 第48-49页 |
| 6 结论与展望 | 第49-51页 |
| 6.1 结论 | 第49页 |
| 6.2 展望 | 第49-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56页 |