| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-25页 |
| ·研究背景与研究意义 | 第11-12页 |
| ·图像识别应用领域及其在农作物害虫诊断中的研究现状 | 第12-17页 |
| ·图像识别的应用领域 | 第13-15页 |
| ·基于图像识别的农作物害虫诊断研究现状 | 第15-17页 |
| ·课题的提出 | 第17-21页 |
| ·存在问题 | 第17-20页 |
| ·课题来源 | 第20-21页 |
| ·研究内容 | 第21页 |
| ·论文组织结构 | 第21-25页 |
| 第2章 基于图像识别的农作物害虫诊断基础研究 | 第25-45页 |
| ·图像识别基础 | 第25-30页 |
| ·图像识别问题分类 | 第25-27页 |
| ·图像识别基本框架 | 第27-28页 |
| ·图像识别数据集 | 第28-30页 |
| ·农作物害虫图像的获取 | 第30-32页 |
| ·简单背景 | 第30-31页 |
| ·复杂背景 | 第31页 |
| ·两种图像获取方式比较 | 第31-32页 |
| ·农作物害虫图像的预处理 | 第32-36页 |
| ·图像灰度化 | 第32-33页 |
| ·图像增强 | 第33-34页 |
| ·预处理结果 | 第34-36页 |
| ·农作物害虫图像数据集 | 第36-44页 |
| ·必要性 | 第36-37页 |
| ·现有的图片资源 | 第37-39页 |
| ·农作物害虫图像识别数据集构建方法 | 第39-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 复杂背景农作物害虫图像交互式分割算法研究 | 第45-65页 |
| ·图像分割定义与分类 | 第45-47页 |
| ·害虫图像分割研究现状 | 第47-48页 |
| ·交互式害虫图像分割算法 | 第48-64页 |
| ·Graph Cuts和GrabCut图像分割算法 | 第48-56页 |
| ·MSRM算法和改进的MSRM图像分割算法 | 第56-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 农作物害虫图像特征提取及多特征融合算法研究 | 第65-83页 |
| ·特征提取概述 | 第65页 |
| ·害虫特征提取研究现状 | 第65-67页 |
| ·颜色特征 | 第67-68页 |
| ·颜色矩 | 第68页 |
| ·颜色直方图 | 第68页 |
| ·纹理特征 | 第68-70页 |
| ·LBP特征 | 第69页 |
| ·灰度共生矩阵 | 第69-70页 |
| ·形态特征 | 第70-72页 |
| ·农作物害虫图像多特征融合 | 第72-81页 |
| ·特征融合概述 | 第72-73页 |
| ·Fisher线性判别 | 第73-75页 |
| ·欧式距离分类器 | 第75-76页 |
| ·基于多特征融合的农作物害虫图像识别 | 第76-79页 |
| ·实验结果及分析 | 第79-81页 |
| ·本章小结 | 第81-83页 |
| 第5章 基于图像识别的农作物害虫诊断系统实现 | 第83-91页 |
| ·系统概述 | 第83页 |
| ·系统功能 | 第83-84页 |
| ·系统结构与流程 | 第84-86页 |
| ·总体结构 | 第84页 |
| ·主要流程 | 第84-86页 |
| ·系统实现 | 第86-90页 |
| ·开发环境 | 第86页 |
| ·系统界面 | 第86-90页 |
| ·本章小结 | 第90-91页 |
| 第6章 总结与展望 | 第91-93页 |
| ·本文研究工作总结 | 第91页 |
| ·下一步工作展望 | 第91-93页 |
| 参考文献 | 第93-101页 |
| 致谢 | 第101-103页 |
| 在读期间发表的学术论文与取得的研究成果 | 第103-104页 |
