| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题背景介绍 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 机器视觉的发展现状 | 第11页 |
| 1.2.2 机器视觉在农业生产中运用的研究现状 | 第11-14页 |
| 1.3 本文研究内容 | 第14-16页 |
| 2 蔬菜图像的采集系统设计 | 第16-24页 |
| 2.1 系统总体硬件结构 | 第16页 |
| 2.2 工业相机的选取 | 第16-18页 |
| 2.3 工业镜头的选取 | 第18-19页 |
| 2.3.1 工业镜头的主要参数 | 第18页 |
| 2.3.2 工业镜头选型的依据 | 第18-19页 |
| 2.4 光源的选取 | 第19-21页 |
| 2.5 照明方式的选择 | 第21页 |
| 2.6 系统采集流程 | 第21-22页 |
| 2.7 本章小结 | 第22-24页 |
| 3 模糊图像复原算法研究 | 第24-40页 |
| 3.1 图像的退化和复原 | 第24-26页 |
| 3.1.1 图像的退化和复原模型 | 第24页 |
| 3.1.2 匀速直线运动退化模型 | 第24-26页 |
| 3.1.3 匀速运动模糊图像的点扩散函数 | 第26页 |
| 3.2 模糊参数的获取 | 第26-35页 |
| 3.2.1 常见PSF参数获取算法分析 | 第27-32页 |
| 3.2.2 基于倒频谱的运动模糊图像参数获取算法研究 | 第32-35页 |
| 3.3 模糊图像复原算法研究 | 第35-39页 |
| 3.3.1 逆滤波恢复法 | 第35-36页 |
| 3.3.2 有约束最小二乘方恢复法 | 第36页 |
| 3.3.3 维纳滤波恢复法 | 第36-37页 |
| 3.3.4 仿真运动模糊图像复原 | 第37-38页 |
| 3.3.5 实际模糊图像复原 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 蔬菜图像的分割 | 第40-50页 |
| 4.1 图像分割的定义 | 第40-41页 |
| 4.2 常见的图像分割算法 | 第41-44页 |
| 4.2.1 传统阈值分割 | 第41-43页 |
| 4.2.2 传统K-means硬聚类算法 | 第43-44页 |
| 4.3 基于彩色空间的图像分割算法 | 第44-48页 |
| 4.3.1 基于RGB空间下的梯度检测彩色图像边缘算法 | 第44-46页 |
| 4.3.2 基于L*a*b*颜色空间下的K-means聚类分割算法 | 第46-48页 |
| 4.5 本章小结 | 第48-50页 |
| 5 叶面积计算及生长状况分析 | 第50-58页 |
| 5.1 常见的叶面积计算方法 | 第50-51页 |
| 5.2 基于像素点数的叶面积测定 | 第51-52页 |
| 5.3 叶面积对比与生长状况分析 | 第52-55页 |
| 5.4 本章小结 | 第55-58页 |
| 6 蔬菜生长状况监测系统软件设计 | 第58-64页 |
| 6.1 系统软件框架设计 | 第58-59页 |
| 6.2 监测系统软件的开发与测试 | 第59-62页 |
| 6.2.1 监测系统的开发 | 第59-61页 |
| 6.2.2 软件测试 | 第61-62页 |
| 6.3 本章小结 | 第62-64页 |
| 7 总结与展望 | 第64-66页 |
| 7.1 总结 | 第64页 |
| 7.2 展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间的研究成果 | 第70-72页 |
| 致谢 | 第72页 |
