面向LED蔬菜生长柜的叶片特征监测的方法研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-17页 |
| ·本课题的研究背景 | 第9-11页 |
| ·LED 蔬菜生长柜的产生与发展 | 第9-10页 |
| ·数字图像技术发展与应用 | 第10-11页 |
| ·本课题的研究目的与意义 | 第11-13页 |
| ·研究目的 | 第11页 |
| ·研究意义 | 第11-13页 |
| ·本课题的国内外发展概况 | 第13-15页 |
| ·国外发展概况 | 第13-14页 |
| ·国内发展概况 | 第14-15页 |
| ·本课题的主要研究内容与技术路线 | 第15-16页 |
| ·主要内容 | 第15页 |
| ·技术路线 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第二章 蔬菜叶片的图像采集与预处理 | 第17-22页 |
| ·LED 蔬菜生长柜的环境设置 | 第17页 |
| ·图像的采集 | 第17-18页 |
| ·图像的存储与读取 | 第18页 |
| ·图像的预处理 | 第18-21页 |
| ·图像的灰度化 | 第18-19页 |
| ·灰度直方图 | 第19页 |
| ·直方图均衡化 | 第19-20页 |
| ·滤波去噪 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 蔬菜叶片的数字图像分割技术 | 第22-34页 |
| ·单阈值分割 | 第22-27页 |
| ·直方图双峰法 | 第22-23页 |
| ·迭代法 | 第23-24页 |
| ·OTSU 法 | 第24-25页 |
| ·单阈值分割效果对比 | 第25-27页 |
| ·多阈值分割 | 第27-30页 |
| ·多阈值分割 | 第27页 |
| ·布谷鸟算法 | 第27-29页 |
| ·布谷鸟—OTSU 多阈值分割结果 | 第29-30页 |
| ·阈值分割与形态学处理 | 第30-32页 |
| ·形态学图像处理方法 | 第30-31页 |
| ·形态学基本运算 | 第31-32页 |
| ·形态学边界提取 | 第32页 |
| ·本章小结 | 第32-34页 |
| 第四章 蔬菜叶片图像形态特征提取方法 | 第34-40页 |
| ·叶片与叶柄分割 | 第34页 |
| ·叶面积测量（A） | 第34-36页 |
| ·传统测量法 | 第34-35页 |
| ·像素统计法 | 第35-36页 |
| ·链码统计法 | 第36页 |
| ·叶片周长测量（L） | 第36-37页 |
| ·叶片的长度（H）和宽度（W）测量 | 第37-38页 |
| ·最大间距法 | 第37-38页 |
| ·最小外接矩形法 | 第38页 |
| ·叶片的矩形度（R）测量 | 第38页 |
| ·叶片的致密度（C）测量 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 蔬菜叶片成熟度特征提取方法 | 第40-45页 |
| ·神经网络模型 | 第40-41页 |
| ·双神经网络联合检测 | 第41-42页 |
| ·基于卡尔曼滤波思想的成熟度信息融合处理 | 第42-43页 |
| ·基于贝叶斯估计的成熟度信息融合处理 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 蔬菜叶片特征监测界面设计与实验 | 第45-54页 |
| ·GUI 用户界面设计 | 第45-48页 |
| ·菜单设计 | 第45-47页 |
| ·图像显示 | 第47-48页 |
| ·特征提取与数值显示 | 第48页 |
| ·形态特征参数测量结果 | 第48-51页 |
| ·单叶片面积测量结果分析 | 第49-50页 |
| ·单叶片周长测量结果分析 | 第50-51页 |
| ·成熟度特征测量结果 | 第51-53页 |
| ·神经网络成熟度模型检测 | 第51-52页 |
| ·成熟度信息融合 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第七章 总结与展望 | 第54-55页 |
| ·全文总结 | 第54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 申请学位期间的研究成果及发表的学术论文 | 第61页 |
