| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·引言 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·研究内容 | 第13-15页 |
| ·实验设计 | 第13-14页 |
| ·图像获取 | 第14页 |
| ·农学实验的设计和农学指标的获取方法 | 第14页 |
| ·图像处理的方法 | 第14-15页 |
| ·技术路线 | 第15-16页 |
| 第二章 本研究的颜色空间和图像格式以及图片获取方法 | 第16-23页 |
| ·棉花单叶数字图像处理选择的颜色空间 | 第16-19页 |
| ·RGB 模型 | 第16-17页 |
| ·HSI 模型 | 第17-19页 |
| ·棉花单叶数字图像的图像文件 | 第19-22页 |
| ·图像文件的结构 | 第20页 |
| ·图像文件中的常用参数 | 第20-21页 |
| ·图像文件的类型 | 第21页 |
| ·JPEG 图像格式 | 第21-22页 |
| ·棉花单叶数字图像的获取方法 | 第22-23页 |
| 第三章 棉花单叶数字图像的平滑处理和直方图分析 | 第23-32页 |
| ·模板操作和卷积运算 | 第24页 |
| ·棉花单叶数字图像中模板的应用 | 第24-28页 |
| ·邻域平均法的应用及效果 | 第24-26页 |
| ·中值滤波在棉花单叶数字图像平滑中的应用 | 第26-28页 |
| ·棉花单叶数字图像中直方图的应用 | 第28-32页 |
| ·直方图 | 第28-29页 |
| ·直方图的计算 | 第29页 |
| ·棉花单叶数字图像直方图的分析 | 第29-32页 |
| 第四章 棉花单叶数字图像的图像分割 | 第32-42页 |
| ·阈值分割法 | 第32-34页 |
| ·棉花单叶数字图像的分割方法 | 第34-42页 |
| ·基于 RGB 模型的静态图像分割 | 第34-35页 |
| ·基于 G 分量的动态图像分割 | 第35-37页 |
| ·基于 rgb 的静态图像分割 | 第37-38页 |
| ·基于静态 rgh 和动态 I 的阈值分割 | 第38-40页 |
| ·基于动态 G 分量和静态 H 的图像分割 | 第40-42页 |
| 第五章 棉花单叶几何形态特征的计算 | 第42-53页 |
| ·棉花单叶图像的二值化图像 | 第42-43页 |
| ·链码在棉花单叶计算中的应用 | 第43-46页 |
| ·链码的概述 | 第43-44页 |
| ·实现链码算法 | 第44-45页 |
| ·棉花单叶数字图像的链码化和 Leaf结构体 | 第45-46页 |
| ·叶片周长的计算 | 第46-47页 |
| ·链码法计算周长 | 第46-47页 |
| ·边界法计算周长 | 第47页 |
| ·叶片面积的计算 | 第47-48页 |
| ·像素计算叶片面积 | 第47页 |
| ·链码计算面积 | 第47-48页 |
| ·用边界坐标计算叶片面积 | 第48页 |
| ·叶片的高度与宽度的计算 | 第48-51页 |
| ·图像扫描法计算叶片的高度和宽度 | 第49-50页 |
| ·最小外接矩形法计算叶片的高度和宽度 | 第50-51页 |
| ·叶片矩形度、叶形比和圆形度的计算 | 第51-52页 |
| ·叶片直径的计算 | 第52-53页 |
| 第六章 棉花单叶氮素含量的计算 | 第53-63页 |
| ·神经网络输入向量的确定 | 第53-54页 |
| ·线性网络及其应用 | 第54页 |
| ·BP 网络及其应用 | 第54-57页 |
| ·BP 网络的原理 | 第55-56页 |
| ·BP 算法的实现 | 第56页 |
| ·BP 算法在本研究中的应用 | 第56-57页 |
| ·径向基网络及其应用 | 第57-61页 |
| ·RBF 网络的结构 | 第57-59页 |
| ·最近邻聚类学习算法 | 第59-60页 |
| ·RBF 网络在本研究中的实现 | 第60-61页 |
| ·神经网络训练结果以及预测结果的比较 | 第61-63页 |
| 第七章 棉花单叶数字图像处理系统介绍 | 第63-66页 |
| ·系统开发环境 | 第63页 |
| ·系统功能 | 第63-66页 |
| 第八章 结束语 | 第66-69页 |
| ·讨论 | 第66-67页 |
| ·结论 | 第67-68页 |
| ·未来研究方向 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72页 |