| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景、目的与意义 | 第9-10页 |
| 1.1.1 研究的背景 | 第9-10页 |
| 1.1.2 研究的目的与意义 | 第10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 运动目标跟踪算法国内外研究现状 | 第10-12页 |
| 1.2.2 图像分割算法国内外研究现状 | 第12-13页 |
| 1.3 论文研究的主要内容 | 第13-14页 |
| 1.3.1 基于视频的稻纵卷叶螟飞蛾跟踪与计数算法的研究 | 第13页 |
| 1.3.2 基于图像的稻纵卷叶螟为害状分割算法的研究 | 第13-14页 |
| 1.4 技术路线图 | 第14-15页 |
| 1.5 论文安排 | 第15页 |
| 1.6 本章小结 | 第15-16页 |
| 第二章 基于视频的稻纵卷叶螟飞蛾跟踪与计数方法的研究 | 第16-35页 |
| 2.1 稻纵卷叶螟飞蛾视频的采集 | 第16-17页 |
| 2.2 基于三帧差分法的飞蛾目标检测 | 第17-19页 |
| 2.2.1 检测视频帧中飞蛾目标 | 第17-18页 |
| 2.2.2 视频帧中的背景噪声去除 | 第18-19页 |
| 2.3 基于SVM的飞蛾目标与伪目标的识别 | 第19-25页 |
| 2.3.1 SVM的基本原理与特点 | 第19-24页 |
| 2.3.2 飞蛾目标的颜色特征提取 | 第24-25页 |
| 2.3.3 结果与分析 | 第25页 |
| 2.4 基于粒子滤波的飞蛾跟踪算法的研究 | 第25-28页 |
| 2.4.1 粒子滤波的基本原理 | 第25-26页 |
| 2.4.2 粒子滤波算法跟踪飞蛾的实现 | 第26-28页 |
| 2.5 基于卡尔曼滤波的飞蛾跟踪算法的研究 | 第28-30页 |
| 2.5.1 卡尔曼滤波基本原理 | 第28-29页 |
| 2.5.2 卡尔曼滤波算法跟踪飞蛾的实现 | 第29-30页 |
| 2.6 基于粒子滤波与卡尔曼滤波相结合的飞蛾跟踪算法研究 | 第30-31页 |
| 2.7 基于SVM与跟踪算法的飞蛾目标跟踪与计数的实现 | 第31-34页 |
| 2.7.1 飞蛾目标跟踪与计数的流程和结果 | 第31-32页 |
| 2.7.2 视频飞蛾目标跟踪结果的评价方法 | 第32页 |
| 2.7.3 飞蛾视频跟踪与计数结果分析 | 第32-34页 |
| 2.8 本章小结 | 第34-35页 |
| 第三章 基于图像的稻纵卷叶螟为害状分割算法的研究 | 第35-54页 |
| 3.1 基于显著性分割算法的稻纵卷叶螟为害状分割研究 | 第36-44页 |
| 3.1.1 显著性原理 | 第37-38页 |
| 3.1.2 显著性分割算法的研究 | 第38-42页 |
| 3.1.3 基于显著性的稻纵卷叶螟为害状处理 | 第42-44页 |
| 3.2 基于超颜色空间分割算法的稻纵卷叶螟为害状分割研究 | 第44-47页 |
| 3.2.1 超颜色空间分割原理 | 第44页 |
| 3.2.2 基于超颜色空间的稻纵卷叶螟为害状分割研究 | 第44-46页 |
| 3.2.3 基于超颜色空间分割算法的稻纵卷叶螟为害状处理 | 第46-47页 |
| 3.3 显著性分割算法与超颜色空间分割算法的结合 | 第47页 |
| 3.4 稻纵卷叶螟为害状分割结果的评价与分析 | 第47-53页 |
| 3.4.1 基于LC算法的稻纵卷叶螟为害状分割结果与分析 | 第48-49页 |
| 3.4.2 超颜色空间分割算法的分割结果与分析 | 第49-50页 |
| 3.4.3 LC算法与WGY算法相结合的分割结果与分析 | 第50-51页 |
| 3.4.4 ROC曲线分割结果评价 | 第51-53页 |
| 3.5 本章小结 | 第53-54页 |
| 第四章 总结与展望 | 第54-57页 |
| 4.1 总结 | 第54-56页 |
| 4.2 展望 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 攻读硕士学位期间参与的科研项目和发表论文 | 第63页 |
