| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究进展 | 第12-15页 |
| 1.3 研究内容和技术路线 | 第15-17页 |
| 1.4 本章小结 | 第17-18页 |
| 第二章 材料与方法 | 第18-33页 |
| 2.1 试验材料 | 第18页 |
| 2.2 高光谱成像系统 | 第18-20页 |
| 2.2.1 高光谱成像技术的原理 | 第18-19页 |
| 2.2.2 高光谱成像系统设备组成 | 第19-20页 |
| 2.2.3 高光谱图像采集 | 第20页 |
| 2.3 数据处理软件 | 第20-23页 |
| 2.4 高光谱图像数据处理方法 | 第23-26页 |
| 2.4.1 光谱校正 | 第23页 |
| 2.4.2 图像分割 | 第23-24页 |
| 2.4.3 纹理特征 | 第24-26页 |
| 2.5 特征波长的提取方法 | 第26-27页 |
| 2.5.1 流形距离法 | 第26页 |
| 2.5.2 改进流形距离法 | 第26页 |
| 2.5.3 马氏距离 | 第26-27页 |
| 2.5.4 连续投影法 | 第27页 |
| 2.6 检测识别模型 | 第27-32页 |
| 2.6.1 线性判别分析 | 第27-29页 |
| 2.6.2 支持向量机 | 第29-30页 |
| 2.6.3 BP人工神经网络 | 第30-32页 |
| 2.7 本章小结 | 第32-33页 |
| 第三章 苹果病害的特征提取方法研究 | 第33-45页 |
| 3.1 试验样本与采集 | 第33-34页 |
| 3.1.1 试验样本 | 第33页 |
| 3.1.2 本研究的高光谱成像系统 | 第33-34页 |
| 3.1.3 苹果高光谱图像采集 | 第34页 |
| 3.2 数据处理与分析 | 第34-36页 |
| 3.2.1 黑白板校正 | 第34-35页 |
| 3.2.2 高光谱特征分析 | 第35页 |
| 3.2.3 感兴趣区域分割 | 第35-36页 |
| 3.3 纹理特征分析 | 第36-39页 |
| 3.4 特征波长选取结果与分析 | 第39-44页 |
| 3.4.1 改进流形距离法 | 第39-40页 |
| 3.4.2 马氏距离法 | 第40-41页 |
| 3.4.3 连续投影法 | 第41页 |
| 3.4.4 结果分析 | 第41-44页 |
| 3.5 本章小结 | 第44-45页 |
| 第四章 基于二次连续投影法的苹果病害检测模型的研究 | 第45-51页 |
| 4.1 苹果病害高光谱图像采集 | 第45页 |
| 4.2 二次连续投影法提取特征波长 | 第45-46页 |
| 4.3 苹果病害的检测模型 | 第46-50页 |
| 4.3.1 建立线性判别分析模型检测苹果病害 | 第46-47页 |
| 4.3.2 建立支持向量机模型检测苹果病害 | 第47-49页 |
| 4.3.3 建立BP神经网络模型检测苹果病害 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 第五章 光谱特征结合纹理特征的苹果病害识别的研究 | 第51-57页 |
| 5.1 试验样本的选择与采集 | 第51页 |
| 5.2 数据处理 | 第51-53页 |
| 5.2.1 感兴趣区域分割 | 第51-52页 |
| 5.2.2 提取光谱特征 | 第52页 |
| 5.2.3 提取纹理特征 | 第52-53页 |
| 5.3 BP人工神经网络识别苹果病害 | 第53-54页 |
| 5.4 支持向量机识别苹果病害 | 第54-56页 |
| 5.5 本章小结 | 第56-57页 |
| 第六章 结论与展望 | 第57-59页 |
| 6.1 结论 | 第57-58页 |
| 6.2 展望 | 第58-59页 |
| 参考文献 | 第59-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士期间发表论文 | 第65页 |