| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-17页 |
| ·数字图像处理概述 | 第11-12页 |
| ·设施农业的发展现状 | 第12-13页 |
| ·数字图像处理在设施农业中的应用 | 第13-14页 |
| ·国外数字图像处理技术在设施农业中的应用 | 第13页 |
| ·国内数字图像处理技术在设施农业中的应用 | 第13-14页 |
| ·课题研究的目的和意义 | 第14-15页 |
| ·课题研究的主要内容和内容安排 | 第15-17页 |
| ·主要内容 | 第15页 |
| ·内容安排 | 第15-17页 |
| 第二章 彩色图像分割的研究 | 第17-28页 |
| ·彩色图像分割的意义 | 第17-18页 |
| ·图像分割在图像工程中的地位 | 第17页 |
| ·图像分割的应用领域 | 第17-18页 |
| ·彩色图像分割的概念 | 第18-19页 |
| ·彩色空间 | 第19-23页 |
| ·RGB彩色空间 | 第19-20页 |
| ·HSI颜色空间 | 第20-21页 |
| ·HSV颜色模型 | 第21-22页 |
| ·CIEL*a*b*空间 | 第22-23页 |
| ·彩色图像分割方法 | 第23-27页 |
| ·直方图阈值分割方法 | 第23-24页 |
| ·基于区域的分割方法 | 第24-26页 |
| ·基于特点理论的分割方法 | 第26-27页 |
| ·小结 | 第27-28页 |
| 第三章 基于各向异性扩散的自动种子区域和分水岭彩色图像分割方法 | 第28-38页 |
| ·算法概述 | 第28-29页 |
| ·预处理步骤 | 第29-32页 |
| ·抖动处理技术 | 第29-30页 |
| ·中值滤波去噪技术 | 第30-31页 |
| ·各向异性扩散技术 | 第31-32页 |
| ·分水岭初步分割 | 第32-33页 |
| ·自动种子区域生长 | 第33-36页 |
| ·标记矩阵到邻接矩阵的转换 | 第33-34页 |
| ·自动选取种子区域 | 第34-35页 |
| ·按照生长规则进行生长 | 第35-36页 |
| ·区域合并 | 第36页 |
| ·实验效果比较及总结 | 第36-37页 |
| ·小结 | 第37-38页 |
| 第四章 改进神经网络在复杂背景下彩色图像病斑提取中的应用 | 第38-50页 |
| ·人工神经网络模型 | 第38页 |
| ·神经网络的基本特征 | 第38-40页 |
| ·神经网络的学习规则 | 第39页 |
| ·神经网络的基本结构 | 第39-40页 |
| ·BP神经网络 | 第40-42页 |
| ·BP神经网络结构 | 第40页 |
| ·误差反向传播训练法 | 第40-42页 |
| ·BP网络的缺陷及改进方法 | 第42页 |
| ·遗传算法 | 第42-44页 |
| ·遗传算法简介 | 第42页 |
| ·基本遗传算法 | 第42-44页 |
| ·基于遗传算法改进的BP神经网络 | 第44-47页 |
| ·M-BP的编码及描述方法 | 第44页 |
| ·M-BP算法的具体步骤 | 第44-46页 |
| ·M-BP的参数设计 | 第46-47页 |
| ·M-BP对自然背景下黄瓜病斑的提取 | 第47-49页 |
| ·小结 | 第49-50页 |
| 第五章 黄瓜病害的病斑特征提取 | 第50-55页 |
| ·黄瓜病害纹理特征提取 | 第50-52页 |
| ·常用的纹理特征 | 第50-51页 |
| ·黄瓜病害纹理特征计算 | 第51-52页 |
| ·黄瓜病害形状特征提取 | 第52-54页 |
| ·常用的形状特征 | 第52页 |
| ·形状特征提取的预处理 | 第52-53页 |
| ·黄瓜病害形状特征计算 | 第53-54页 |
| ·小结 | 第54-55页 |
| 第六章 总结与展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 发表论文和科研情况说明 | 第59-60页 |
| 致谢 | 第60页 |