基于计算机视觉的蚜虫图像识别方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 引言 | 第10-17页 |
| ·蚜虫图像识别研究的意义 | 第10-11页 |
| ·国内外研究现状 | 第11-14页 |
| ·计算机视觉的发展概况 | 第11-12页 |
| ·国外研究概况 | 第12-13页 |
| ·计算机视觉技术研究概况 | 第12页 |
| ·在农业方面的发展概况 | 第12-13页 |
| ·害虫管理方面的实际研究 | 第13页 |
| ·国内研究概况 | 第13-14页 |
| ·计算机视觉技术研究概况 | 第13页 |
| ·在农业方面的应用概况 | 第13页 |
| ·在昆虫学方面的应用 | 第13-14页 |
| ·研究中所需要解决的关键问题 | 第14-15页 |
| ·研究内容及方法 | 第15-16页 |
| ·研究的主要内容 | 第15页 |
| ·研究方法 | 第15-16页 |
| ·论文的组织结构 | 第16-17页 |
| 第二章 基于纹理提取的蚜虫图像种间识别 | 第17-26页 |
| ·基于DT-CWT 的有效特征提取 | 第17-19页 |
| ·双树复小波变换（DT-CWT）原理 | 第17-18页 |
| ·基于DT-CWT 的纹理特征提取 | 第18-19页 |
| ·基于GABOR小波的纹理特征提取 | 第19-20页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第20-21页 |
| ·基于LIBSVM的蚜虫种间识别模型 | 第21-24页 |
| ·线性可分情况下的分类 | 第22-23页 |
| ·线性不可分情况 | 第23页 |
| ·Libsvm 简介 | 第23-24页 |
| ·实验结果与讨论 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于HARR 特征的蚜虫目标识别与检测 | 第26-34页 |
| ·基于HARR特征的目标检测方法 | 第27-33页 |
| ·蚜虫样本创建 | 第27-28页 |
| ·图像的积分图表示——Harr 特征 | 第28-29页 |
| ·学习算法 | 第29-31页 |
| ·检测算法 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于数学形态学的蚜虫目标识别 | 第34-42页 |
| ·数学形态学概述 | 第34-36页 |
| ·膨胀和腐蚀 | 第34-36页 |
| ·开运算与闭运算 | 第36页 |
| ·基于形态学的麦蚜图像的目标计数 | 第36-40页 |
| ·麦蚜图像的预处理——过滤背景 | 第36-37页 |
| ·OTSU 阈值分割—最大类间方差法实现原理 | 第37-38页 |
| ·麦蚜图像的数学形态学处理 | 第38-40页 |
| ·目标轮廓提取及非蚜虫目标的过滤 | 第40-41页 |
| ·蚜虫的目标轮廓提取 | 第40页 |
| ·非蚜虫目标的过滤 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第五章 蚜虫图像的分割方法研究 | 第42-48页 |
| ·基于区域的分割技术 | 第42-43页 |
| ·基于边缘的分割技术 | 第43-44页 |
| ·基于特定理论的分割技术 | 第44-45页 |
| ·MATLAB 的仿真测试结果 | 第45-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 系统设计与实现 | 第48-52页 |
| ·系统实现流程 | 第48-50页 |
| ·测试及结果分析 | 第50-52页 |
| ·蚜虫目标识别及计数的评价标准 | 第50页 |
| ·结果分析 | 第50-52页 |
| 第七章 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52页 |
| ·展望 | 第52-54页 |
| 参考文献 | 第54-58页 |
| 附录1 各方法提取纹理特征的部分数据 | 第58-60页 |
| 附录2 计数模型的核心代码及计数结果 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简介 | 第65页 |
