基于数字图像处理玉米苗期田间杂草识别方法的研究
| 摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 1.前言 | 第8-15页 |
| ·课题研究的目的和意义 | 第8-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究概况 | 第10-12页 |
| ·国内研究概况 | 第12-13页 |
| ·本课题的主要研究内容 | 第13-15页 |
| 2.图像采集及预处理 | 第15-26页 |
| ·图像处理系统 | 第15-18页 |
| ·图像处理系统构成 | 第15-16页 |
| ·图像采集 | 第16-18页 |
| ·图像的预处理 | 第18-24页 |
| ·概述 | 第18页 |
| ·图像的平滑滤波处理 | 第18-22页 |
| ·预处理结果的比较分析 | 第22-24页 |
| ·本章小结 | 第24-26页 |
| 3.绿色植物与土壤背景的分离 | 第26-44页 |
| ·概述 | 第26页 |
| ·颜色模型 | 第26-28页 |
| ·采集彩色图像的灰度化 | 第28-31页 |
| ·色度法 | 第28-29页 |
| ·超绿色法(Excess Green) | 第29页 |
| ·处理结果对比分析 | 第29-31页 |
| ·灰度图的阈值分割 | 第31-39页 |
| ·概述 | 第31-32页 |
| ·直方图阈值分割法 | 第32-33页 |
| ·自适应阈值分割法 | 第33-37页 |
| ·背景分割结果比较分析 | 第37-39页 |
| ·运用形态学处理分割图像 | 第39-43页 |
| ·数学形态学概述 | 第39-40页 |
| ·数学形态学的四种基本运算 | 第40-42页 |
| ·使用形态滤波对二值分割图像进行处理 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 4.边缘检测和形状特征的提取 | 第44-59页 |
| ·杂草二值图像的边缘检测 | 第44-51页 |
| ·图像边缘检测算法 | 第44-48页 |
| ·应用四种算子处理的结果对比 | 第48-51页 |
| ·图像形状特征提取 | 第51-58页 |
| ·概述 | 第51页 |
| ·图像的形状特征 | 第51-55页 |
| ·形状特征的提取及分析 | 第55-58页 |
| ·本章小结 | 第58-59页 |
| 5.神经网络分类器设计 | 第59-67页 |
| ·概述 | 第59页 |
| ·BP神经网络分类器 | 第59-66页 |
| ·神经元模型 | 第59-61页 |
| ·BP神经网络算法 | 第61-65页 |
| ·BP神经网络的样本训练实验 | 第65-66页 |
| ·识别结果及分析 | 第66页 |
| ·本章小结 | 第66-67页 |
| 6.杂草识别软件设计及测试 | 第67-71页 |
| ·软件开发工具 | 第67页 |
| ·软件系统的结构与功能 | 第67-70页 |
| ·系统设计的调试与心得 | 第70页 |
| ·本章小结 | 第70-71页 |
| 7.结论与建议 | 第71-73页 |
| 参考文献 | 第73-76页 |
| 致谢 | 第76页 |
