| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 苹果树叶部病害图像识别的背景及研究的意义 | 第8-9页 |
| 1.2 农作物病害识别的研究现状 | 第9-12页 |
| 1.2.1 国外的研究现状 | 第9-10页 |
| 1.2.2 国内的研究现状 | 第10-12页 |
| 1.3 苹果树叶病害图像的识别系统 | 第12-13页 |
| 1.4 苹果树叶病害图像识别的难点 | 第13页 |
| 1.5 本论文的研究工作和内容安排 | 第13-15页 |
| 2 苹果树叶病害图像识别基础 | 第15-36页 |
| 2.1 苹果树叶病害图像的基础知识 | 第15页 |
| 2.2 常用的彩色空间 | 第15-21页 |
| 2.2.1 RGB彩色空间 | 第15-16页 |
| 2.2.2 HSV彩色空间 | 第16-17页 |
| 2.2.3 HSI彩色空间 | 第17-19页 |
| 2.2.4 YUV(YCbCr)彩色空间 | 第19-21页 |
| 2.3 图像预处理 | 第21-30页 |
| 2.3.1 图像增强 | 第21-22页 |
| 2.3.2 图像滤波去噪 | 第22-28页 |
| 2.3.3 图像归一化 | 第28-29页 |
| 2.3.4 图像的膨胀与腐蚀 | 第29-30页 |
| 2.4 图像分割技术 | 第30-34页 |
| 2.4.1 阈值分割法 | 第31-34页 |
| 2.4.2 边缘检测法 | 第34页 |
| 2.4.3 区域分割法 | 第34页 |
| 2.5 小结 | 第34-36页 |
| 3 苹果树叶部病害图像的分割与特征提取 | 第36-49页 |
| 3.1 苹果树叶部病害图像的灰度直方图 | 第36-37页 |
| 3.2 基于灰度直方图的苹果树叶部病害图像的检测与分割 | 第37-39页 |
| 3.3 基于改进的灰度直方图的苹果树叶部病害图像的检测与分割 | 第39-40页 |
| 3.4 基于RGB病害图像的特征提取 | 第40-43页 |
| 3.5 基于灰度共生矩阵的病害图像的特征提取 | 第43-45页 |
| 3.6 基于主成分分析的病害图像的特征优选 | 第45-48页 |
| 3.7 小结 | 第48-49页 |
| 4 苹果树叶病害图像的分类识别 | 第49-67页 |
| 4.1 基于费希尔判别分析法的苹果树叶病害图像分类 | 第49-54页 |
| 4.1.1 费希尔判别的基本思想 | 第49页 |
| 4.1.2 费希尔判别函数的构造 | 第49-51页 |
| 4.1.3 线性判别函数的求法 | 第51-53页 |
| 4.1.4 病害图像判别函数的建立 | 第53-54页 |
| 4.2 基于支持向量机的苹果树叶病害图像的分类识别 | 第54-65页 |
| 4.2.1 支持向量机的基本思想 | 第54-60页 |
| 4.2.2 支持向量机对苹果树叶病害图像的分类识别 | 第60-63页 |
| 4.2.3 支持向量机参数的优选 | 第63-65页 |
| 4.3 Fisher判别分析法与支持向量机模型对比 | 第65-66页 |
| 4.4 小结 | 第66-67页 |
| 5 结论与展望 | 第67-69页 |
| 5.1 结论 | 第67页 |
| 5.2 展望 | 第67-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附录 | 第74页 |
