| 摘要 | 第2-3页 |
| SUMMARY | 第3页 |
| 第1章 绪论 | 第6-13页 |
| 1.1 研究背景与意义 | 第6-8页 |
| 1.2 国内外研究现状 | 第8-10页 |
| 1.3 研究内容 | 第10-11页 |
| 1.4 研究方法 | 第11-12页 |
| 1.5 组织结构 | 第12-13页 |
| 第2章 病斑图像识别 | 第13-27页 |
| 2.1 图像识别的主要思想 | 第13-14页 |
| 2.2 病斑图像的基本分类 | 第14-16页 |
| 2.3 病斑图像识别的原理 | 第16-17页 |
| 2.4 病斑图像预处理 | 第17-19页 |
| 2.5 病斑图像分割 | 第19-25页 |
| 2.5.1 病斑图像分割的概念 | 第20页 |
| 2.5.2 经典的图像分割方法 | 第20-22页 |
| 2.5.3 结合特定理论的图像分割方法 | 第22-25页 |
| 2.6 特征提取和识别 | 第25-27页 |
| 第3章 遗传蛙跳算法优化PCNN神经网络 | 第27-43页 |
| 3.1 遗传算法 | 第27-29页 |
| 3.2 混合蛙跳算法 | 第29-34页 |
| 3.2.1 算法原理及特点 | 第29-30页 |
| 3.2.2 数学模型 | 第30页 |
| 3.2.3 局部搜索和全局搜索 | 第30-31页 |
| 3.2.4 算法实例 | 第31-33页 |
| 3.2.5 遗传算法改进SFLA | 第33-34页 |
| 3.3 PCNN神经网络 | 第34-40页 |
| 3.3.1 PCNN传统神经元模型 | 第34-36页 |
| 3.3.2 PCNN标准改进模型 | 第36-37页 |
| 3.3.3 PCNN图像处理原理 | 第37-39页 |
| 3.3.4 PCNN应用于图像分割 | 第39-40页 |
| 3.4 遗传蛙跳算法优化PCNN神经网络 | 第40-43页 |
| 第4章 SFLA-PCNN图像分割模型 | 第43-51页 |
| 4.1 SFLA-PCNN分割模型参数优化 | 第43-45页 |
| 4.2 更新策略 | 第45-46页 |
| 4.3 适应度函数 | 第46-49页 |
| 4.4 SFLA-PCNN分割流程图 | 第49-51页 |
| 第5章 SFLA-PCNN模型在马铃薯病斑图像分割中的应用 | 第51-59页 |
| 5.1 实验思路 | 第51页 |
| 5.2 实验环境及材料 | 第51页 |
| 5.3 实验及结果分析 | 第51-59页 |
| 第6章 总结 | 第59-62页 |
| 6.1 总结与讨论 | 第59-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68-69页 |
| 导师简介 | 第69-70页 |