| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 目次 | 第8-11页 |
| 第1章 综述 | 第11-18页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 基于图像识别的草地牧草数字化研究现状 | 第12-15页 |
| 1.3 课题来源及主要研究内容 | 第15-18页 |
| 1.3.1 课题来源 | 第15页 |
| 1.3.2 主要研究内容 | 第15-18页 |
| 第2章 基于种子图像的牧草分类识别 | 第18-44页 |
| 2.1 牧草自动识别的定义 | 第18-19页 |
| 2.2 基于种子的牧草自动分类识别 | 第19-21页 |
| 2.3 实验材料 | 第21-23页 |
| 2.3.1 种子样本 | 第21-23页 |
| 2.4 实验材料预处理 | 第23-26页 |
| 2.4.1 预处理方法 | 第23-26页 |
| 2.4.2 预处理实验与讨论 | 第26页 |
| 2.5 识别方法1：基于小波和局部保留投影的识别算法 | 第26-34页 |
| 2.5.1 Gabor小波 | 第27-29页 |
| 2.5.2 局部保留投影 | 第29-31页 |
| 2.5.3 实验结果与讨论 | 第31-34页 |
| 2.6 识别方法2：基于局部分形维数方差的种子识别算法 | 第34-42页 |
| 2.6.1 分形的定义与分形维数 | 第34-37页 |
| 2.6.2 特征提取算法 | 第37-38页 |
| 2.6.3 实验结果与讨论 | 第38-42页 |
| 2.7 小结 | 第42-44页 |
| 第3章 基于叶片与植株的牧草分类识别 | 第44-54页 |
| 3.1 基于叶片图像的牧草分类 | 第44-49页 |
| 3.1.1 实验材料 | 第45-46页 |
| 3.1.2 识别方法 | 第46-48页 |
| 3.1.3 测试结果与讨论 | 第48-49页 |
| 3.2 基于植株的牧草分类 | 第49-53页 |
| 3.2.1 实验材料 | 第49-50页 |
| 3.2.2 图像预处理 | 第50-51页 |
| 3.2.3 实验方法 | 第51-52页 |
| 3.2.4 实验结果及讨论 | 第52-53页 |
| 3.3 小结 | 第53-54页 |
| 第4章 基于图像识别的牧草病虫害研究 | 第54-69页 |
| 4.1 病虫害识别的现状 | 第54-55页 |
| 4.2 识别与计数方法 | 第55-67页 |
| 4.2.1 数学形态学 | 第55-56页 |
| 4.2.2 分水岭算法 | 第56-57页 |
| 4.2.3 虫卵识别与计数流程 | 第57-67页 |
| 4.2.4 实验结果与讨论 | 第67页 |
| 4.3 小结 | 第67-69页 |
| 第5章 禾本科种子显微图像的拼接 | 第69-78页 |
| 5.1 图像拼接技术 | 第69-70页 |
| 5.2 材料与方法 | 第70-75页 |
| 5.2.1 实验材料 | 第70-71页 |
| 5.2.2 拼接方法 | 第71-75页 |
| 5.3 实验结果与讨论 | 第75-77页 |
| 5.4 小结 | 第77-78页 |
| 第6章 基于计算机视觉技术的草地牧草数字化平台 | 第78-88页 |
| 6.1 草地牧草数字化平台 | 第78-81页 |
| 6.1.1 平台的主要开发工具与模式 | 第78-80页 |
| 6.1.2 平台的主要功能模块 | 第80-81页 |
| 6.2 平台的关键技术问题与解决方案 | 第81-84页 |
| 6.2.1 Java与Matlab混合编程 | 第81-82页 |
| 6.2.2 算法模块接口的设计与实现 | 第82-84页 |
| 6.2.3 算法GUI界面的设计与实现 | 第84页 |
| 6.3 平台的实现 | 第84-86页 |
| 6.4 小结 | 第86-88页 |
| 第7章 结论 | 第88-91页 |
| 7.1 本文的主要研究成果 | 第88-89页 |
| 7.2 对今后工作的展望 | 第89-91页 |
| 参考文献 | 第91-97页 |
| 致谢 | 第97-98页 |
| 博士生期间发表的学术论文 | 第98-99页 |
| 博士后期间发表的学术论文 | 第99-100页 |
| 个人简历 | 第100-101页 |
| 主要教育经历与工作经历 | 第100页 |
| 主要研究经历 | 第100-101页 |
| 永久通信地址 | 第101-102页 |
| 附件 | 第102页 |