| 致谢 | 第4-5页 |
| 摘要 | 第5-8页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 小麦全蚀病监测的研究现状 | 第10-13页 |
| 1.2.1 小麦全蚀病监测的图像识别技术研究 | 第11-13页 |
| 1.2.2 小麦全蚀病监测的成像高光谱技术研究 | 第13页 |
| 1.3 论文结构 | 第13-14页 |
| 2 材料与方法 | 第14-21页 |
| 2.1 研究材料与实验设计 | 第14页 |
| 2.2 数据采集 | 第14-15页 |
| 2.2.1 数字图像采集 | 第14页 |
| 2.2.2 小麦冠层光谱测量 | 第14-15页 |
| 2.3 研究内容与研究方法 | 第15页 |
| 2.3.1 研究内容 | 第15页 |
| 2.3.2 研究方法 | 第15页 |
| 2.4 技术路线 | 第15-16页 |
| 2.5 相关技术 | 第16-20页 |
| 2.5.1 无人机遥感技术简介 | 第17页 |
| 2.5.2 图像识别技术 | 第17-18页 |
| 2.5.3 光谱技术 | 第18页 |
| 2.5.4 支持向量机技术 | 第18-19页 |
| 2.5.5 用交叉验证法选取最优参数 | 第19-20页 |
| 2.6 图像处理软件 | 第20-21页 |
| 3 小麦全蚀病监测的图像处理技术研究 | 第21-29页 |
| 3.1 小麦全蚀病数字图像的预处理 | 第21-22页 |
| 3.1.1 图像去噪 | 第21页 |
| 3.1.2 图像灰度化处理 | 第21-22页 |
| 3.1.3 直方图 | 第22页 |
| 3.2 色度学模型的选择 | 第22-25页 |
| 3.2.1 RGB模型 | 第22-23页 |
| 3.2.2 HSV模型 | 第23-24页 |
| 3.2.3 RGB模型向HSV模型的转换 | 第24-25页 |
| 3.3 小麦全蚀病颜色特征的提取 | 第25-29页 |
| 3.3.1 小麦全蚀病颜色特征在危害等级分级中的作用 | 第25页 |
| 3.3.2 小麦全蚀病危害图像的颜色特征提取 | 第25-26页 |
| 3.3.3 小麦全蚀病预测模型的建立 | 第26-27页 |
| 3.3.4 实验与结果 | 第27-29页 |
| 4 小麦全蚀病监测的高光谱遥感技术研究 | 第29-34页 |
| 4.1 高光谱数据的预处理 | 第29-31页 |
| 4.1.1 高光谱数据的提取 | 第29页 |
| 4.1.2 高光谱图像的校正 | 第29-30页 |
| 4.1.3 高光谱数据的分析方法 | 第30-31页 |
| 4.1.4.原始光谱数据的提取和处理 | 第31页 |
| 4.2 小麦全蚀病冠层光谱反射率特征分析 | 第31-32页 |
| 4.3 预测模型 | 第32-34页 |
| 4.3.1 libsvm工具箱 | 第32-33页 |
| 4.3.2 模型验证 | 第33-34页 |
| 5 结论与展望 | 第34-36页 |
| 5.1 主要结论 | 第34-35页 |
| 5.2 展望 | 第35-36页 |
| 参考文献 | 第36-40页 |
| ABSTRACT | 第40页 |