基于大间隔最近邻分类的水稻叶绿素含量估测研究
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 1 引言 | 第10-15页 |
| ·本文的研究目的与意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·图像特征提取方法在农业上的应用的研究现状 | 第11-12页 |
| ·叶绿素估测方法的研究现状 | 第12-13页 |
| ·本文的研究内容及技术路线 | 第13-15页 |
| ·研究内容 | 第13页 |
| ·技术路线 | 第13-15页 |
| 2 基于多策略融合的水稻叶片边缘检测算法 | 第15-27页 |
| ·水稻叶片图像数据库的构建 | 第15-18页 |
| ·预备知识 | 第18-23页 |
| ·传统边缘检测算子 | 第18-21页 |
| ·数学形态学 | 第21-22页 |
| ·区域提取 | 第22-23页 |
| ·基于多融合策略的水稻叶片边缘检测算法 | 第23-27页 |
| ·算法的分析及思想方法 | 第23-24页 |
| ·基于多策略融合技术的边缘检测算法基本步骤 | 第24页 |
| ·实验结果与分析 | 第24-27页 |
| 3 水稻叶片颜色特征提取和降维方法 | 第27-43页 |
| ·水稻叶片颜色特征提取 | 第27-31页 |
| ·颜色特征和叶绿素均值的相关分析 | 第31-33页 |
| ·相关分析原理 | 第31-32页 |
| ·颜色特征与叶绿素均值的相关分析 | 第32-33页 |
| ·两种维数缩减方法 | 第33-36页 |
| ·主成分分析法 | 第33-34页 |
| ·独立成分分析法 | 第34-36页 |
| ·基于主成分分析的水稻叶片颜色特征的降维方法 | 第36-40页 |
| ·基于独立成分分析的水稻叶片颜色特征的降维方法 | 第40-41页 |
| ·独立主成分分析与主成分分析的比较 | 第41-43页 |
| 4 基于大间隔最近邻的叶绿素分类研究 | 第43-56页 |
| ·问题的提出与分析 | 第43-45页 |
| ·K近邻方法及其改进方法 | 第45-47页 |
| ·K近邻方法 | 第45-46页 |
| ·K近邻方法的改进 | 第46-47页 |
| ·大间隔最近邻方法 | 第47-52页 |
| ·距离测度学习 | 第47-48页 |
| ·大间隔最近邻分类模型的构建 | 第48-50页 |
| ·凸优化模型 | 第50页 |
| ·子梯度下降法 | 第50-52页 |
| ·基于大间隔最近邻的叶绿素两分类研究 | 第52-53页 |
| ·数据集 | 第52页 |
| ·模型构建 | 第52-53页 |
| ·实验结果与分析 | 第53页 |
| ·基于大间隔最近邻的叶绿素多分类研究 | 第53-56页 |
| ·数据集 | 第53-54页 |
| ·模型构建 | 第54页 |
| ·实验结果与分析 | 第54-56页 |
| 5 结论 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-63页 |
| 攻读学位期间发表的学术论文 | 第63页 |
