首页--农业科学论文--农业基础科学论文--农业物理学论文--电子技术、计算机技术在农业上的应用论文

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

论文共68页,点击 下载论文
上一篇:作物生长可控环境优化控制方法的研究
下一篇:基于双目立体视觉的水果识别与定位的研究