猕猴桃叶面病害图像识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 作物病害图像分割 | 第11-13页 |
| 1.2.2 作物病斑图像特征提取 | 第13-14页 |
| 1.2.3 作物病害诊断方法 | 第14页 |
| 1.3 研究目标及其内容 | 第14-15页 |
| 1.4 研究方法与技术路线 | 第15-16页 |
| 1.4.1 研究方法 | 第15页 |
| 1.4.2 技术路线 | 第15页 |
| 1.4.3 具体研究方案 | 第15-16页 |
| 1.5 论文的组织结构 | 第16-18页 |
| 第二章 病害图像的获取与病斑的分割 | 第18-30页 |
| 2.1 图像的获取及特点 | 第18-20页 |
| 2.1.1 研究对象的确定 | 第18-19页 |
| 2.1.2 病害图像的采集 | 第19-20页 |
| 2.2 图像分割 | 第20-29页 |
| 2.2.1 图像二值化 | 第20-22页 |
| 2.2.2 多重形态学变换 | 第22-24页 |
| 2.2.3 复杂背景的部分去除 | 第24-25页 |
| 2.2.4 病斑分割 | 第25-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第三章 猕猴桃叶面病害的特征提取 | 第30-42页 |
| 3.1 颜色特征提取 | 第30-33页 |
| 3.1.1 颜色矩 | 第30-31页 |
| 3.1.2 构造颜色特征参数 | 第31-33页 |
| 3.2 纹理特征提取 | 第33-40页 |
| 3.2.1 灰度共生矩 | 第33-34页 |
| 3.2.2 自相关函数 | 第34-35页 |
| 3.2.3 Gabor变换 | 第35-38页 |
| 3.2.4 构造纹理特征参数 | 第38-40页 |
| 3.3 图像特征选择 | 第40-41页 |
| 3.3.1 样本数据的选择 | 第41页 |
| 3.3.2 结果分析 | 第41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 猕猴桃叶面病害诊断 | 第42-54页 |
| 4.1 模式识别技术简介 | 第42页 |
| 4.2 分类器介绍 | 第42-46页 |
| 4.2.1 BP神经网络 | 第42-44页 |
| 4.2.2 支持向量机 | 第44-46页 |
| 4.3 猕猴桃叶面病害识别 | 第46-48页 |
| 4.3.1 实验结果与分析 | 第46-48页 |
| 4.4 病害系统的设计 | 第48-52页 |
| 4.4.1 系统关键技术 | 第48-49页 |
| 4.4.2 系统主要功能 | 第49页 |
| 4.4.3 界面设计 | 第49-52页 |
| 4.5 本章小结 | 第52-54页 |
| 第五章 总结与展望 | 第54-55页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 作者介绍 | 第61页 |
