基于图像处理的大豆病害识别方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-20页 |
| ·课题的背景及意义 | 第10-11页 |
| ·国内外的发展现状和存在的问题 | 第11-17页 |
| ·国内研究现状 | 第11-14页 |
| ·国外研究现状 | 第14-17页 |
| ·研究内容与技术路线 | 第17-18页 |
| ·研究内容 | 第17-18页 |
| ·技术路线和本文工作 | 第18页 |
| ·论文的章节安排 | 第18-20页 |
| 第2章 显著性检测算法理论基础 | 第20-24页 |
| ·视觉注意机制 | 第20页 |
| ·ITTI 模型 | 第20-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 大豆病害图像分割方法研究 | 第24-35页 |
| ·基于无监督模糊聚类算法的大豆叶部病斑分割 | 第24-27页 |
| ·无监督模糊聚类算法 | 第24-26页 |
| ·实验结果与分析 | 第26-27页 |
| ·基于显著区域的叶部病斑分割 | 第27-33页 |
| ·显著图的提取 | 第28-30页 |
| ·基于显著图的病斑区域提取 | 第30-31页 |
| ·对提取的病斑区域进行校正 | 第31页 |
| ·实验结果与分析 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 大豆病害图像特征提取方法研究 | 第35-41页 |
| ·大豆病害图像颜色特征研究 | 第35-37页 |
| ·常用的颜色特征 | 第35页 |
| ·颜色矩 | 第35-36页 |
| ·实验结果与分析 | 第36-37页 |
| ·大豆病害图像纹理特征研究 | 第37-40页 |
| ·常用纹理特征 | 第37页 |
| ·局部二值模式 | 第37-38页 |
| ·均匀 LBP 模式 | 第38-39页 |
| ·实验结果与分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 大豆病害图像识别方法研究 | 第41-56页 |
| ·神经网络（ NEURAL NETWORK） | 第41-44页 |
| ·人工神经元模型 | 第41-42页 |
| ·神经网络模型 | 第42-43页 |
| ·实验结果与分析 | 第43-44页 |
| ·支持向量机 | 第44-47页 |
| ·线性可分情况 | 第45-46页 |
| ·线性不可分情况 | 第46-47页 |
| ·实验结果与分析 | 第47页 |
| ·粒子群算法优化 SVM | 第47-51页 |
| ·粒子群优化算法的基本原理 | 第47-49页 |
| ·基于粒子群优化算法的 SVM 参数选择 | 第49-51页 |
| ·实验结果与分析 | 第51页 |
| ·D ROPOUT 改进神经网络 | 第51-55页 |
| ·模型描述 | 第52-53页 |
| ·dropout 网络 | 第53-54页 |
| ·实验结果与对比分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 攻读学位期间的研究成果 | 第64-65页 |
| 致谢 | 第65页 |
