| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 研究内容与技术路线 | 第13-14页 |
| 1.3.1 研究内容 | 第13页 |
| 1.3.2 技术路线 | 第13-14页 |
| 1.4 论文的组织结构 | 第14-16页 |
| 第二章 农田图像的获取及分类 | 第16-22页 |
| 2.1 农田图像获取 | 第16页 |
| 2.2 农田图像分类 | 第16-21页 |
| 2.2.1 基于数学统计学知识的农田图像分类方法 | 第16-19页 |
| 2.2.2 实验结果分析 | 第19-20页 |
| 2.2.3 实验结果评价 | 第20-21页 |
| 2.3 本章小结 | 第21-22页 |
| 第三章 光照充足或光照偏弱条件下的农田图像分割 | 第22-35页 |
| 3.1 颜色因子简介 | 第22页 |
| 3.2 光照充足条件下的农田图像分割 | 第22-28页 |
| 3.2.1 基于直方图均值法的农田图像分割 | 第23-24页 |
| 3.2.2 基于大津法的农田图像分割 | 第24页 |
| 3.2.3 实验结果分析 | 第24-28页 |
| 3.3 光照偏弱条件下的农田图像分割 | 第28-32页 |
| 3.3.1 基于模糊C均值聚类算法的农田图像分割 | 第29-30页 |
| 3.3.2 基于数字图像形态学方法的图像后处理 | 第30页 |
| 3.3.3 实验结果分析 | 第30-32页 |
| 3.4 图像评价指标 | 第32-34页 |
| 3.4.1 平均主观评价 | 第32页 |
| 3.4.2 实验结果评价 | 第32-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 光照偏强条件下的农田图像分割 | 第35-53页 |
| 4.1 改进的简单线性迭代聚类算法 | 第35-37页 |
| 4.2 特征向量提取 | 第37页 |
| 4.3 光照偏强条件下的农田图像分割 | 第37-39页 |
| 4.3.1 基于支持向量机的农田图像分割 | 第38页 |
| 4.3.2 基于贝叶斯的农田图像分割 | 第38-39页 |
| 4.4 实验结果分析 | 第39-46页 |
| 4.4.1 改进的简单线性迭代聚类算法实验结果分析 | 第39-41页 |
| 4.4.2 特征向量提取和筛选实验结果分析 | 第41-43页 |
| 4.4.3 SVM分类器参数寻优实验结果分析 | 第43-45页 |
| 4.4.4 SVM与贝叶斯分类结果对比分析 | 第45-46页 |
| 4.5 图像评价指标 | 第46-52页 |
| 4.5.1 混淆矩阵 | 第46-47页 |
| 4.5.2 Kappa系数 | 第47-49页 |
| 4.5.3 ROC曲线 | 第49-50页 |
| 4.5.4 总体分类精度 | 第50-52页 |
| 4.6 本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-54页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |