基于神经网络的水稻纹枯病图像检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 选题背景及意义 | 第8-10页 |
| 1.2 研究现状综述 | 第10-13页 |
| 1.2.1 图像识别 | 第10页 |
| 1.2.2 图像识别研究现状 | 第10-12页 |
| 1.2.3 图像特征提取技术研究现状 | 第12-13页 |
| 1.3 本课题研究的主要对象、内容和技术路线 | 第13-15页 |
| 1.3.1 研究对象 | 第13-14页 |
| 1.3.2 研究内容 | 第14页 |
| 1.3.3 技术路线与研究方法 | 第14-15页 |
| 第2章 水稻纹枯病病害图像预处理 | 第15-40页 |
| 2.1 标准实验设置 | 第15-16页 |
| 2.1.1 测试样本库的建立 | 第15页 |
| 2.1.2 实验环境与参数 | 第15-16页 |
| 2.1.3 精度验证方法 | 第16页 |
| 2.2 图像尺寸研究 | 第16-20页 |
| 2.3 图像平滑方法研究 | 第20-25页 |
| 2.3.1 均值滤波 | 第20-21页 |
| 2.3.2 顺序统计滤波 | 第21-23页 |
| 2.3.3 自适应滤波 | 第23-24页 |
| 2.3.4 结果分析 | 第24-25页 |
| 2.4 图像增强方法研究 | 第25-30页 |
| 2.4.1 灰度变换增强 | 第25-27页 |
| 2.4.2 直方图增强 | 第27-29页 |
| 2.4.3 结果分析 | 第29-30页 |
| 2.5 图像分割方法研究 | 第30-39页 |
| 2.5.1 边缘分割技术 | 第30-35页 |
| 2.5.2 阈值分割技术 | 第35-37页 |
| 2.5.3 区域分割技术 | 第37-38页 |
| 2.5.4 结果分析 | 第38-39页 |
| 2.6 本章小结 | 第39-40页 |
| 第3章 特征提取 | 第40-59页 |
| 3.1 颜色特征研究 | 第40-47页 |
| 3.1.1 颜色矩 | 第40-42页 |
| 3.1.2 颜色直方图 | 第42-45页 |
| 3.1.3 结果分析 | 第45-47页 |
| 3.2 纹理特征研究 | 第47-56页 |
| 3.2.1 灰度差分统计法 | 第47-49页 |
| 3.2.2 灰度共生矩阵 | 第49-51页 |
| 3.2.3 频谱分析法 | 第51-53页 |
| 3.2.4 结果分析 | 第53-56页 |
| 3.3 形状特征研究 | 第56-58页 |
| 3.3.1 区域特征描述 | 第56-57页 |
| 3.3.2 结果分析 | 第57-58页 |
| 3.4 本章小结 | 第58-59页 |
| 第4章 基于BP神经网络的水稻纹枯病图像检测研究 | 第59-70页 |
| 4.1 研究实验环境 | 第59页 |
| 4.1.1 硬件环境 | 第59页 |
| 4.1.2 软件环境 | 第59页 |
| 4.2 BP神经网络模型 | 第59-60页 |
| 4.2.1 BP神经网络的优势 | 第59-60页 |
| 4.2.2 BP神经网络的不足 | 第60页 |
| 4.3 最终样本库 | 第60-61页 |
| 4.3.1 样本图像的预处理 | 第60-61页 |
| 4.3.2 样本图像特征提取 | 第61页 |
| 4.3.3 样本库的建立 | 第61页 |
| 4.4 BP算法的改进 | 第61-68页 |
| 4.4.1 隐含层结点数量的研究 | 第61-64页 |
| 4.4.2 节点传递函数研究 | 第64-66页 |
| 4.4.3 训练次数研究 | 第66-68页 |
| 4.5 总结 | 第68-69页 |
| 4.6 本章小结 | 第69-70页 |
| 第5章 结论 | 第70-72页 |
| 5.1 研究结论 | 第70页 |
| 5.2 需进一步解决的问题 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75页 |
