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 |