| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-13页 |
| 1.1 课题背景及研究意义 | 第9页 |
| 1.2 图像处理技术研究现状 | 第9-11页 |
| 1.2.1 国外研究现状 | 第10页 |
| 1.2.2 国内研究现状 | 第10-11页 |
| 1.3 主要研究内容 | 第11页 |
| 1.4 本论文章节安排 | 第11-13页 |
| 第二章 图像处理的基本知识 | 第13-24页 |
| 2.1 图像中阴影的产生及特点 | 第13-14页 |
| 2.1.1 图像中阴影的产生 | 第13页 |
| 2.1.2 图像中阴影的特点 | 第13-14页 |
| 2.2 常用的颜色空间 | 第14-17页 |
| 2.2.1 RGB颜色空间 | 第14-15页 |
| 2.2.2 HSI颜色空间 | 第15-16页 |
| 2.2.3 La*b*颜色空间 | 第16页 |
| 2.2.4 YUV颜色空间 | 第16-17页 |
| 2.3 颜色通道的评价方法 | 第17-18页 |
| 2.3.1 均方误差与峰值信噪比 | 第17-18页 |
| 2.3.2 图像的熵值 | 第18页 |
| 2.3.3 灰度直方图 | 第18页 |
| 2.4 图像的分割方法 | 第18-20页 |
| 2.4.1 阈值分割法 | 第19页 |
| 2.4.2 迭代分割法 | 第19-20页 |
| 2.4.3 大津律分割法 | 第20页 |
| 2.5 图像形态学 | 第20-23页 |
| 2.5.1 边缘提取 | 第21-22页 |
| 2.5.2 噪声滤除 | 第22-23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 基于组合颜色空间的阴影去除方法 | 第24-39页 |
| 3.1 常见阴影检测的方法 | 第24-27页 |
| 3.1.1 基于颜色特征不变性的阴影检测法 | 第24-25页 |
| 3.1.2 基于光照无关图的阴影检测法 | 第25-26页 |
| 3.1.3 基于区域的阴影检测法 | 第26-27页 |
| 3.2 常见阴影去除算法 | 第27-30页 |
| 3.2.1 基于区域补偿的去除法 | 第27-28页 |
| 3.2.2 基于光照变化的去除 | 第28页 |
| 3.2.3 基于颜色恒常性的去除法 | 第28-30页 |
| 3.3 基于组合颜色空间的阴影去除算法 | 第30-38页 |
| 3.3.1 组合颜色空间模型的算法原理 | 第30-32页 |
| 3.3.2 组合颜色空间模型的算法实现 | 第32-33页 |
| 3.3.3 仿真结果及分析 | 第33-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 多特征组合的农作物识别方法 | 第39-53页 |
| 4.1 常用的特征提取的方法 | 第39-44页 |
| 4.1.1 颜色的特征 | 第39-40页 |
| 4.1.2 灰度共生矩阵的纹理特征 | 第40-41页 |
| 4.1.3 Tamura纹理特征 | 第41-43页 |
| 4.1.4 Hu-不变矩 | 第43-44页 |
| 4.1.5 Zernike矩 | 第44页 |
| 4.2 基于组合特征的农作物识别方法 | 第44-52页 |
| 4.2.1 图像识别的预处理 | 第44-46页 |
| 4.2.2 图像特征提取 | 第46-48页 |
| 4.2.3 仿真实验结果及对比 | 第48-52页 |
| 4.3 本章小结 | 第52-53页 |
| 第五章 基于改进的农作物识别方法 | 第53-62页 |
| 5.1 常见的农作物识别方法 | 第53-55页 |
| 5.1.1 基于粒子群优化算法和支持向量机结合的识别方法 | 第53-54页 |
| 5.1.2 基于小波与BP神经网络结合的识别方法 | 第54-55页 |
| 5.1.3 基于主成分分析法与支持向量机结合的识别方法 | 第55页 |
| 5.2 基于改进的农作物识别方法 | 第55-61页 |
| 5.2.1 基于改进的数据模型 | 第55-57页 |
| 5.2.2 算法实现的步骤 | 第57-58页 |
| 5.2.3 仿真实验结果及对比 | 第58-61页 |
| 5.3 本章小结 | 第61-62页 |
| 第六章 图像阴影去除的软件实现 | 第62-68页 |
| 6.1 软件的开发工具 | 第62页 |
| 6.2 软件设计框架及实现 | 第62-67页 |
| 6.2.1 组合颜色空间部分 | 第62-63页 |
| 6.2.2 组合颜色空间阴影去除部分 | 第63页 |
| 6.2.3 软件实现部分 | 第63-67页 |
| 6.3 本章小结 | 第67-68页 |
| 第七章 结论与展望 | 第68-69页 |
| 7.1 结论 | 第68页 |
| 7.2 展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 发表论文和科研情况说明 | 第73-74页 |
| 致谢 | 第74页 |