基于图像处理的玉米叶部病害识别研究
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-15页 |
| 1.1 研究背景、目的和意义 | 第8-10页 |
| 1.1.1 研究背景 | 第8页 |
| 1.1.2 研究目的和意义 | 第8-10页 |
| 1.2 国内外图像识别技术研究进展 | 第10-12页 |
| 1.2.1 国外图像识别技术研究进展 | 第10-11页 |
| 1.2.2 国内图像识别技术研究进展 | 第11-12页 |
| 1.3 研究方案和技术路线 | 第12-15页 |
| 1.3.1 研究方案 | 第12-13页 |
| 1.3.2 技术路线 | 第13-15页 |
| 第2章 玉米叶部病害图像采集和病斑图像预处理 | 第15-27页 |
| 2.1 玉米叶部病害图像采集 | 第15-17页 |
| 2.2 玉米叶部病害图像预处理 | 第17-27页 |
| 2.2.1 图像缩放 | 第17-18页 |
| 2.2.2 图像裁剪 | 第18-19页 |
| 2.2.3 图像平滑 | 第19-20页 |
| 2.2.4 图像锐化 | 第20-21页 |
| 2.2.5 图像灰度化 | 第21页 |
| 2.2.6 图像分割 | 第21-27页 |
| 第3章 玉米叶部病害图像特征提取 | 第27-37页 |
| 3.1 病斑颜色特征提取 | 第27-32页 |
| 3.1.1 颜色模型 | 第28-30页 |
| 3.1.2 颜色特征的表达方法 | 第30-32页 |
| 3.2 病斑纹理特征提取 | 第32-37页 |
| 3.2.1 纹理特征的提取与匹配方法 | 第33-35页 |
| 3.2.2 图像纹理特征的算法实现 | 第35-37页 |
| 第4章 玉米叶部病害诊断识别 | 第37-50页 |
| 4.1 模式识别方法 | 第37-41页 |
| 4.1.1 模糊K-近邻法 | 第37-38页 |
| 4.1.2 模糊最小最大神经网络 | 第38-39页 |
| 4.1.3 一种改进的支持向量机 | 第39-41页 |
| 4.2 直接判别法 | 第41-45页 |
| 4.3 玉米叶部病害诊断 | 第45-50页 |
| 第5章 玉米叶部病害特征提取和系统实现 | 第50-59页 |
| 5.1 系统开发工具 | 第50页 |
| 5.2 图像处理与识别系统的工作流程 | 第50页 |
| 5.3 软件系统设计 | 第50-52页 |
| 5.4 图像预处理模块的设计与实现 | 第52-54页 |
| 5.5 特征提取模块的设计与实现 | 第54-56页 |
| 5.6 病害识别模块的设计与实现 | 第56-59页 |
| 第6章 结论与期望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 认识和体会 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录 | 第64-65页 |
| 致谢 | 第65页 |
