基于机器视觉的中华稻蝗早期蝗蝻的识别和检测研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| Abstract | 第10-11页 |
| 主要英文缩略表 | 第16-17页 |
| 第一章 绪论 | 第17-25页 |
| 1.1 研究的背景和意义 | 第17-18页 |
| 1.2 针对蝗虫监测和图像技术应用现状 | 第18-20页 |
| 1.3 图像识别技术在害虫识别上的应用 | 第20-23页 |
| 1.3.1 国外研究现状 | 第20-21页 |
| 1.3.2 国内研究现状 | 第21-22页 |
| 1.3.3 存在问题 | 第22-23页 |
| 1.4 研究内容 | 第23-24页 |
| 1.5 本章小结 | 第24-25页 |
| 第二章 中华稻蝗蝻期图像的获取和分割技术研究 | 第25-35页 |
| 2.1 实验样本的获取 | 第25页 |
| 2.2 实验图像的获取 | 第25-27页 |
| 2.3 主要的图像分割方法 | 第27-32页 |
| 2.3.1 边缘检测分割算法 | 第27-28页 |
| 2.3.2 基于区域的分割算法 | 第28-32页 |
| 2.4 原始图像的直接分割 | 第32-33页 |
| 2.5 本章小结 | 第33-35页 |
| 第三章 蝗蝻图像分割和龄期判定 | 第35-45页 |
| 3.1 颜色模型分析 | 第35-39页 |
| 3.2 基于HSV颜色空间的害虫图像增强和分割 | 第39-43页 |
| 3.2.1 基于HSV模型S通道的图像增强 | 第39-40页 |
| 3.2.2 移除噪音和填充小洞 | 第40-41页 |
| 3.2.3 数字形态学处理 | 第41-43页 |
| 3.3 中华稻蝗龄期的快速判别 | 第43-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第四章 中华稻蝗的蝗蝻和稻田其它早期害虫的识别 | 第45-57页 |
| 4.1 模式识别方法 | 第45-46页 |
| 4.2 SVM分类器 | 第46-47页 |
| 4.3 特征选择 | 第47-55页 |
| 4.3.1 颜色特征 | 第48-49页 |
| 4.3.2 几何形状特征 | 第49-51页 |
| 4.3.3 Hu矩的特征参数提取 | 第51-52页 |
| 4.3.4 纹理特征 | 第52-55页 |
| 4.4 数据归一化 | 第55-56页 |
| 4.5 早期害虫的分类识别 | 第56页 |
| 4.6 本章小结 | 第56-57页 |
| 第五章 基于DPM的中华稻蝗检测 | 第57-67页 |
| 5.1 可变型部件模型(DPM) | 第57-59页 |
| 5.2 HOG特征提取 | 第59-60页 |
| 5.3 DPM的训练 | 第60-64页 |
| 5.3.1 Latent SVM | 第61-62页 |
| 5.3.2 基于DPM的害虫模型训练 | 第62-64页 |
| 5.4 DPM模型检测效果与分析 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-70页 |
| 6.1 工作总结 | 第67-68页 |
| 6.2 创新点 | 第68-69页 |
| 6.3 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 作者简介 | 第74-75页 |
