基于模糊分类和特征融合技术的杂草分类研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究的目的和意义 | 第8-9页 |
| 1.2 杂草自动识别技术国内外研究现状 | 第9-11页 |
| 1.2.1 基于位置信息特征杂草识别 | 第9-10页 |
| 1.2.2 基于颜色特征杂草识别 | 第10页 |
| 1.2.3 基于形状特征杂草识别 | 第10页 |
| 1.2.4 基于纹理特征识别杂草 | 第10-11页 |
| 1.2.5 基于光谱特征杂草识别 | 第11页 |
| 1.3 论文主要研究内容 | 第11-12页 |
| 1.3.1 研究内容 | 第11-12页 |
| 1.3.2 技术路线 | 第12页 |
| 1.4 本文的结构安排 | 第12-14页 |
| 2 杂草图像的特征提取/选择 | 第14-24页 |
| 2.1 引言 | 第14页 |
| 2.2 颜色特征提取与选择 | 第14-16页 |
| 2.2.1 颜色特征提取 | 第15-16页 |
| 2.2.2 颜色特征选择 | 第16页 |
| 2.3 纹理特征提取与选择 | 第16-19页 |
| 2.3.1 纹理特征提取 | 第16-17页 |
| 2.3.2 纹理特征的选择 | 第17-19页 |
| 2.4 高度特征提取与选择 | 第19-22页 |
| 2.4.1 高度特征提取 | 第20-22页 |
| 2.4.2 高度特征选择 | 第22页 |
| 2.5 光谱特征的提取 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 3 模糊BP神经网络 | 第24-30页 |
| 3.1 引言 | 第24页 |
| 3.2 模糊遗传神经网络理论 | 第24-30页 |
| 3.2.1 模糊理论 | 第24-25页 |
| 3.2.2 人工神经网络 | 第25-26页 |
| 3.2.3 BP算法 | 第26-30页 |
| 4 杂草自动识别系统的分类器设计 | 第30-34页 |
| 4.1 引言 | 第30页 |
| 4.2 杂草自动识别模糊神经网络设计 | 第30-32页 |
| 4.3 模糊规则的遗传优化算法设计 | 第32-33页 |
| 4.4 自动识别综合网络学习和训练 | 第33页 |
| 4.5 本章小结 | 第33-34页 |
| 5 杂草分类识别实验结果及分析 | 第34-46页 |
| 5.1 引言 | 第34页 |
| 5.2 杂草自动识别实验 | 第34-40页 |
| 5.2.1 图像采集及预处理 | 第35-37页 |
| 5.2.2 杂草3-D图像重建 | 第37-39页 |
| 5.2.3 高度信息提取实验 | 第39-40页 |
| 5.3 杂草分类识别实验 | 第40-42页 |
| 5.3.1 网络收敛性对比试验 | 第40-41页 |
| 5.3.2 网络稳定性对比试验 | 第41-42页 |
| 5.3.3 模式识别率对比试验 | 第42页 |
| 5.3.4 模式识别速度对比试验 | 第42页 |
| 5.4 基于叶片高光谱特性分析的杂草识别实验 | 第42-44页 |
| 5.5 误差源分析 | 第44-45页 |
| 5.5.1 图像采集及预处理误差 | 第44-45页 |
| 5.5.2 不可靠视差误差 | 第45页 |
| 5.5.3 杂草识别误差 | 第45页 |
| 5.6 本章小结 | 第45-46页 |
| 结论 | 第46-47页 |
| 参考文献 | 第47-50页 |
| 攻读学位期间发表的学术论文 | 第50-51页 |
| 致谢 | 第51-52页 |
