基于计算机视觉的花卉叶部病害识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题研究背景与意义 | 第9-11页 |
| ·计算机视觉技术的应用 | 第9-10页 |
| ·本课题的研究背景及研究意义 | 第10-11页 |
| ·研究现状分析 | 第11-13页 |
| ·国内外研究现状 | 第11-13页 |
| ·现状分析 | 第13页 |
| ·课题研究主要内容与技术路线 | 第13-15页 |
| ·主要内容 | 第13-14页 |
| ·技术路线 | 第14-15页 |
| 第2章 兰花叶部病害图像预处理算法的研究 | 第15-23页 |
| ·兰花叶部病害图像的采集和存储 | 第15-16页 |
| ·常用的图像预处理方法 | 第16-22页 |
| ·空间域图像去噪 | 第16-17页 |
| ·频域图像去噪 | 第17-19页 |
| ·形态学滤波去噪 | 第19-20页 |
| ·各种预处理结果与分析 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 兰花叶部病害彩色图像的分割算法研究 | 第23-34页 |
| ·颜色空间模型的选择 | 第23-27页 |
| ·RGB颜色空间 | 第23-24页 |
| ·HSI颜色空间 | 第24-25页 |
| ·HSV颜色空间 | 第25页 |
| ·YUV颜色空间 | 第25页 |
| ·Lab颜色空间 | 第25-26页 |
| ·本文图像分割选用的颜色空间模型 | 第26-27页 |
| ·常用的彩色图像分割算法 | 第27-32页 |
| ·直方图阈值分割法 | 第27-29页 |
| ·彩色空间聚类算法 | 第29-30页 |
| ·最大类间方差分割法 | 第30-31页 |
| ·其他特定理论的方法 | 第31-32页 |
| ·分割算法效果比较及分析 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 兰花叶部病害图像的特征提取 | 第34-50页 |
| ·图像的特征提取的概述 | 第34页 |
| ·基于颜色的特征提取 | 第34-37页 |
| ·常用的颜色特征提取方法 | 第35页 |
| ·本文选用的颜色特征提取方法 | 第35-37页 |
| ·基于纹理的特征提取 | 第37-43页 |
| ·常用的纹理特征提取方法 | 第37-41页 |
| ·本文选用的纹理特征提取方法 | 第41-43页 |
| ·提取纹理特征参数的步骤 | 第41页 |
| ·结果与分析 | 第41-43页 |
| ·基于形状的特征提取 | 第43-49页 |
| ·常用的形状特征提取方法 | 第43-45页 |
| ·本文选用的形状特征提取方法 | 第45-46页 |
| ·结果与分析 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第5章 兰花叶部病害识别的方法研究 | 第50-62页 |
| ·模式识别的概述 | 第50页 |
| ·图像模式识别常用的方法 | 第50-51页 |
| ·支持向量机 | 第51-56页 |
| ·线性可分的分类问题 | 第51-53页 |
| ·线性不可分的分类问题 | 第53-54页 |
| ·特征空间和核函数 | 第54-55页 |
| ·支持向量机多分类策略 | 第55页 |
| ·本实验选用的分类策略 | 第55-56页 |
| ·实验结果与分析 | 第56页 |
| ·遗传算法对支持向量机的参数的优化 | 第56-61页 |
| ·遗传算法的基本原理 | 第57页 |
| ·遗传算法的控制参数的设计 | 第57-58页 |
| ·基于遗传算法的SVM参数优化的实现过程 | 第58-60页 |
| ·实验结果和分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第6章 总结与展望 | 第62-63页 |
| ·总结 | 第62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 申请学位期间的研究成果及发表的学术论文 | 第68页 |
