| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-19页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 农业气象自动化观测国内外现状 | 第10-15页 |
| 1.2.1 作物株高测量现状 | 第10-13页 |
| 1.2.2 作物覆盖度提取研究现状 | 第13-14页 |
| 1.2.3 作物自动化观测研究现状 | 第14-15页 |
| 1.3 计算机视觉技术国内外现状 | 第15-17页 |
| 1.3.1 双目视觉技术 | 第15-16页 |
| 1.3.2 图像分割技术 | 第16-17页 |
| 1.4 论文主要内容及结构安排 | 第17-19页 |
| 第2章 基于先验阈值优化CNN的作物覆盖度自动提取算法 | 第19-39页 |
| 2.1 算法总体框架 | 第19-20页 |
| 2.2 基于先验阈值限定的图像预处理 | 第20-23页 |
| 2.2.1 传统分割法存在的问题 | 第20-21页 |
| 2.2.2 基于RGB、HSI阈值的图像预处理 | 第21-23页 |
| 2.3 基于卷积神经网络的作物图像分割算法 | 第23-29页 |
| 2.3.1 卷积神经网络 | 第23-25页 |
| 2.3.2 数据集与模型训练 | 第25-29页 |
| 2.4 实验结果及分析 | 第29-37页 |
| 2.4.1 分割精度实验 | 第30-31页 |
| 2.4.2 单日变化趋势及分析 | 第31-33页 |
| 2.4.3 覆盖度与作物株高的关系 | 第33-37页 |
| 2.5 本章小结 | 第37-39页 |
| 第3章 融合领域知识和立体视觉的作物株高测量方法 | 第39-59页 |
| 3.1 作物观测图中存在的透视效应 | 第39-41页 |
| 3.1.1 数据集与观测装置 | 第39-40页 |
| 3.1.2 透视效应 | 第40-41页 |
| 3.2 基于区域Harris角点特征匹配的株高测量算法 | 第41-50页 |
| 3.2.1 区域Harris角点特征提取 | 第41-44页 |
| 3.2.2 特征匹配的株高测量 | 第44-45页 |
| 3.2.3 区域Harris角点特征匹配实验 | 第45-50页 |
| 3.2.4 算法存在的问题 | 第50页 |
| 3.3 融合领域知识与立体视觉的作物株高测量方法 | 第50-52页 |
| 3.4 实验结果及评价 | 第52-58页 |
| 3.4.1 小麦株高测量与玉米株高测量的差异性 | 第52-53页 |
| 3.4.2 玉米株高测量结果分析 | 第53页 |
| 3.4.3 小麦株高测量结果及分析 | 第53-58页 |
| 3.5 本章小结 | 第58-59页 |
| 第4章 基于视觉的作物生长期自动识别方法及系统实现 | 第59-69页 |
| 4.1 作物覆盖度与生长期的关系 | 第59-63页 |
| 4.2 作物株高增长趋势与生长期的关系 | 第63-65页 |
| 4.3 基于视觉分析的作物观测关键技术研究系统的实现 | 第65-68页 |
| 4.3.1 覆盖度提取模块 | 第65页 |
| 4.3.2 株高手动测量模块 | 第65-66页 |
| 4.3.3 株高自动测量模块 | 第66页 |
| 4.3.4 观测数据统计模块 | 第66-68页 |
| 4.4 本章小结 | 第68-69页 |
| 结论 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 攻读硕士学位期间所发表的学术论文 | 第75页 |
| 已申请专利和软件著作权 | 第75-77页 |
| 致谢 | 第77页 |
