| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 农作物病害识别研究现状 | 第9-10页 |
| 1.2.2 农作物虫害识别研究现状 | 第10-11页 |
| 1.3 技术方案 | 第11-12页 |
| 1.3.1 主要研究内容 | 第11-12页 |
| 1.3.2 拟解决关键问题 | 第12页 |
| 1.4 论文组织结构 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 马铃薯典型病虫害图像预处理 | 第14-26页 |
| 2.1 样本库 | 第14-16页 |
| 2.2 图像预处理 | 第16-22页 |
| 2.2.1 中值滤波 | 第17-18页 |
| 2.2.2 Grabcut粗分割 | 第18-19页 |
| 2.2.3 Otsu细分割 | 第19-21页 |
| 2.2.4 形态学处理 | 第21-22页 |
| 2.3 效果评析 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 马铃薯典型病虫害图像不变特征提取 | 第26-44页 |
| 3.1 颜色不变特征提取 | 第26-29页 |
| 3.1.1 RGB特征块 | 第26-27页 |
| 3.1.2 HSV特征块 | 第27-29页 |
| 3.2 形状不变特征提取 | 第29-33页 |
| 3.2.1 几何属性特征块 | 第30页 |
| 3.2.2 中心矩特征块 | 第30-31页 |
| 3.2.3 Hu矩特征块 | 第31-33页 |
| 3.3 纹理不变特征提取 | 第33-43页 |
| 3.3.1 LBP特征块 | 第33-35页 |
| 3.3.2 GLCM特征块 | 第35-36页 |
| 3.3.3 LBPW特征块 | 第36-38页 |
| 3.3.4 LM特征块 | 第38-39页 |
| 3.3.5 HMLM特征块 | 第39页 |
| 3.3.6 HELM特征块 | 第39-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 马铃薯典型病虫害图像自适应特征融合 | 第44-61页 |
| 4.1 自适应特征融合技术 | 第44-52页 |
| 4.1.1 搜索策略特征融合 | 第45-48页 |
| 4.1.2 映射变换特征融合 | 第48-50页 |
| 4.1.3 评价准则特征融合 | 第50-52页 |
| 4.2 传统自适应特征融合算法 | 第52-57页 |
| 4.2.1 RS算法 | 第52-54页 |
| 4.2.2 PCA算法 | 第54-57页 |
| 4.3 FWFPCA算法 | 第57-60页 |
| 4.3.1 特征块选择 | 第57-58页 |
| 4.3.2 主分量提取 | 第58-59页 |
| 4.3.3 加权与融合 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 马铃薯典型病虫害图像快速识别 | 第61-82页 |
| 5.1 模式分类技术 | 第61-65页 |
| 5.1.1 ANN分类器 | 第62-64页 |
| 5.1.2 Bayes分类器 | 第64-65页 |
| 5.2 SVM分类器 | 第65-71页 |
| 5.2.1 二分类组合 | 第66页 |
| 5.2.2 二分器求解 | 第66-68页 |
| 5.2.3 二分器优化 | 第68-69页 |
| 5.2.4 分类器预测 | 第69-71页 |
| 5.3 实验结果与分析 | 第71-81页 |
| 5.3.1 马铃薯典型病虫害图像特征识别实验 | 第72-76页 |
| 5.3.2 马铃薯典型病虫害图像特征融合算法比较实验 | 第76-79页 |
| 5.3.3 马铃薯典型病虫害图像模式识别方法比较实验 | 第79-81页 |
| 5.4 本章小结 | 第81-82页 |
| 结论与展望 | 第82-83页 |
| 参考文献 | 第83-89页 |
| 致谢 | 第89-90页 |
| 攻读学位期间发表的学术论文 | 第90页 |