自然条件下葡萄叶片图像的自动分割方法研究
| 摘要 | 第2-3页 |
| SUMMARY | 第3-4页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景 | 第8-9页 |
| 1.2 课题研究的目的和意义 | 第9-10页 |
| 1.3 国内外研究现状 | 第10-12页 |
| 1.4 论文主要研究内容与章节安排 | 第12-14页 |
| 第二章 图和图割的理论基础 | 第14-24页 |
| 2.1 图的介绍 | 第14-16页 |
| 2.1.1 连接图 | 第15页 |
| 2.1.2 无向图和有向图 | 第15-16页 |
| 2.2 马尔科夫随机场 | 第16-19页 |
| 2.2.1 邻域系统 | 第16-18页 |
| 2.2.2 马尔科夫随机场的定义 | 第18-19页 |
| 2.3 最大流-最小割理论 | 第19-21页 |
| 2.4 图割 | 第21-22页 |
| 2.5 用于图像分割的图割的示例 | 第22-24页 |
| 第三章 绿色叶片的自动分割 | 第24-48页 |
| 3.1 基本流程 | 第24-25页 |
| 3.2 数据采集 | 第25-28页 |
| 3.3 几种色彩空间的介绍 | 第28-31页 |
| 3.3.1 RGB色彩空间 | 第28页 |
| 3.3.2 XYZ色彩空间介绍 | 第28-29页 |
| 3.3.3 CIEL*A*B*颜色空间的介绍 | 第29页 |
| 3.3.4 HSV颜色空间的介绍 | 第29-31页 |
| 3.4 算法的具体实施 | 第31-37页 |
| 3.4.1 目标种子点以及背景种子点的自动选择 | 第31-35页 |
| 3.4.2 能量函数的建立 | 第35-36页 |
| 3.4.3 目标与背景的特征向量分布的参数估计 | 第36-37页 |
| 3.5 分割结果 | 第37-48页 |
| 3.5.1 评价方法 | 第37-38页 |
| 3.5.2 不同特征、不同天气的分割对比 | 第38-40页 |
| 3.5.3 双特征GMM分割 | 第40页 |
| 3.5.4 参数讨论 | 第40-45页 |
| 3.5.5 结果与讨论 | 第45-48页 |
| 第四章 一般情况叶片的分割 | 第48-64页 |
| 4.1 检测的基本方法 | 第48页 |
| 4.2 葡萄叶片的HOG特征提取 | 第48-52页 |
| 4.3 基于支持向量机（SVM）的DPM模型训练 | 第52-55页 |
| 4.4 葡萄叶片的自动检测 | 第55-57页 |
| 4.5 基于叶片检测的自动分割算法 | 第57-59页 |
| 4.6 不同特征、不同天气的分割对比 | 第59-60页 |
| 4.7 针对非正常叶片的分割结果对比 | 第60-62页 |
| 4.8 评价方法 | 第62-64页 |
| 第五章 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64页 |
| 5.2 展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 作者简介 | 第67-68页 |
| 导师简介 | 第68-70页 |
| 参考文献 | 第70-77页 |
