首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于计算机视觉技术的黄瓜叶部病害自动诊断研究

摘要第1-7页
Abstract第7-13页
第一章 绪论第13-21页
   ·本研究的目的和意义第13-14页
   ·国内外计算机视觉技术研究动态和趋势第14-19页
     ·计算机视觉技术在农业生产中的研究与应用第14-17页
     ·计算机视觉技术在植物病害识别方面的研究进展第17-19页
   ·研究内容第19-20页
     ·计算机视觉采集系统的建立方法第19页
     ·黄瓜叶部病害标准化数字图像数据库的建立方法第19页
     ·黄瓜叶部病害图像特征定量提取技术第19页
     ·黄瓜叶部病害特征的模式识别技术第19-20页
   ·本研究的试验设计路线第20-21页
第二章 图像采集和识别硬件系统及图像数据库的建立第21-27页
   ·材料与方法第21-23页
     ·数字图像处理采集系统装备第21-22页
     ·人工接种发病黄瓜病害样本的采集第22页
     ·田间采集黄瓜病害样本第22-23页
   ·结果与分析第23-26页
     ·黄瓜叶部病害样本采集效果第23-24页
     ·黄瓜叶部病害人工接种条件确定第24页
     ·黄瓜叶部病害样本图像库建立第24-26页
   ·本章小结第26-27页
第三章 图像的预处理第27-34页
   ·材料与方法第27-30页
     ·图像的数字化第27-28页
     ·数字图像的灰度化处理第28页
     ·图像灰度直方图阈值法分割算法第28页
     ·数学形态学原理第28-29页
     ·EM 分割算法第29页
     ·图像处理材料第29-30页
   ·结果与分析第30-33页
     ·数字图像的灰度化处理结果第30-31页
     ·阈值法分割结果第31-32页
     ·形态学处理结果第32页
     ·EM 分割结果第32-33页
   ·本章小结第33-34页
第四章 黄瓜叶部病害图像颜色特征选择与提取第34-40页
   ·材料与方法第34-36页
     ·图像颜色系统分析及选择第34-35页
     ·黄瓜病斑颜色特征分析及选择第35页
     ·图像处理材料与方法第35-36页
   ·结果与分析第36-39页
   ·本章小结第39-40页
第五章 黄瓜叶部病害图像纹理特征选择与提取第40-49页
   ·材料与方法第40-43页
     ·纹理分析方法构造与提取第40页
     ·利用灰度共生矩阵构造植物病斑纹理特征参数第40-42页
     ·图像处理材料第42-43页
   ·结果与分析第43-48页
     ·黄瓜叶部病害病斑纹理特征分析第44-46页
     ·黄瓜叶部病害病斑与无病区域纹理特征值比较第46-48页
   ·本章小结第48-49页
第六章 黄瓜叶部病害图像形状特征选择与提取第49-56页
   ·材料与方法第49-50页
     ·植物病斑形状特征参数构造第49-50页
     ·图像处理材料第50页
   ·结果与分析第50-54页
     ·黄瓜叶部病害病斑形状特征分析第50-54页
   ·本章小结第54-56页
第七章 黄瓜叶部病害图像模式识别第56-64页
   ·材料与方法第56-61页
     ·主成分分析第56页
     ·BP 神经网络算法描述第56-60页
     ·神经网络识别模型的结构第60-61页
   ·结果与分析第61-63页
     ·PCA_BP 算法和BP 算法对比效果第61-62页
     ·仿真试验结果第62-63页
   ·本章小结第63-64页
第八章 基于Matlab 黄瓜叶部病害自动诊断系统开发第64-71页
   ·材料与方法第64-67页
     ·试验系统功能需求描述第64-66页
     ·图形用户界面结构第66页
     ·回调函数的编写第66页
     ·系统开发环境第66-67页
   ·结果分析第67-70页
   ·本章小结第70-71页
第九章 结论与讨论第71-75页
附录:未在文中列出的图像处理、模式识别算法程序第75-85页
参考文献第85-91页
致谢第91-92页
作者简历第92页

论文共92页,点击 下载论文
上一篇:基于面向对象和集成学习的高分辨率地物要素半自动提取方法与实现
下一篇:浅议中国动画的“后民族化”转向