| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 中英文縮写对照表 | 第11-12页 |
| 1 绪论 | 第12-28页 |
| 1.1 课题的研究背景及意义 | 第12-14页 |
| 1.2 国内外研究与发展现状 | 第14-23页 |
| 1.3 本文主要研究内容与研究思路 | 第23-26页 |
| 1.4 课题来源及论文结构安排 | 第26-28页 |
| 2 水稻生长状态的自动化观测 | 第28-36页 |
| 2.1 引言 | 第28页 |
| 2.2 水稻发育期自动观测系统 | 第28-32页 |
| 2.3 水稻生长发育的主要进程 | 第32-33页 |
| 2.4 水稻发育期自动观测中的难点和挑战 | 第33-35页 |
| 2.5 小结 | 第35-36页 |
| 3 对光照变化鲁棒的水稻图像分割算法 | 第36-61页 |
| 3.1 引言 | 第36-37页 |
| 3.2 常用作物分割算法及其缺陷 | 第37-38页 |
| 3.3 肤色分割方法对作物分割的借鉴意义 | 第38-40页 |
| 3.4 基于形态学建模的作物分割算法 | 第40-48页 |
| 3.5 水稻图像分割算法对比实验 | 第48-60页 |
| 3.6 小结 | 第60-61页 |
| 4 水稻移栽期自动检测算法 | 第61-76页 |
| 4.1 引言 | 第61-63页 |
| 4.2 水稻覆盖度跳变检测 | 第63页 |
| 4.3 水稻散布的均匀性检测 | 第63-68页 |
| 4.4 水稻移栽期自动检测对比实验 | 第68-75页 |
| 4.5 小结 | 第75-76页 |
| 5 水稻分蘖期自动检测算法 | 第76-93页 |
| 5.1 引言 | 第76-78页 |
| 5.2 水稻分蘖图像特征选择 | 第78-83页 |
| 5.3 基于随机森林的水稻分蘖检测 | 第83-84页 |
| 5.4 水稻分蘖期自动检测对比实验 | 第84-92页 |
| 5.5 小结 | 第92-93页 |
| 6 水稻抽穗期自动检测算法 | 第93-114页 |
| 6.1 引言 | 第93-95页 |
| 6.2 基于颜色特征的水稻稻穗检测 | 第95-96页 |
| 6.3 稻穗颜色内部区域梯度直方图检测 | 第96-99页 |
| 6.4 基于卷积神经网络的水稻稻穗检测 | 第99-102页 |
| 6.5 水稻抽穗期自动检测对比实验 | 第102-113页 |
| 6.6 小结 | 第113-114页 |
| 7 水稻发育期自动检测算法集成软件 | 第114-121页 |
| 7.1 引言 | 第114页 |
| 7.2 软件功能介绍 | 第114-116页 |
| 7.3 软件界面设计及操作 | 第116-120页 |
| 7.4 小结 | 第120-121页 |
| 8 全文总结及展望 | 第121-125页 |
| 8.1 本文主要研究内容 | 第121-123页 |
| 8.2 本文的创新之处 | 第123-124页 |
| 8.3 进一步研究展望 | 第124-125页 |
| 致谢 | 第125-126页 |
| 参考文献 | 第126-138页 |
| 附件1 作者在攻读博士学位期间科研成果 | 第138-140页 |
| 附件2 博士期间取得的学术成果与博士学位论文对应关系 | 第140-141页 |
| 附件3 作者在博士期间主要参与课题 | 第141页 |