基于机器视觉的茄科类作物与杂草的识别研究
| 第一章 绪论 | 第1-16页 |
| ·研究目的及意义 | 第10-11页 |
| ·国内外的研究状况 | 第11-14页 |
| ·国外研究状况 | 第11-12页 |
| ·国内研究状况 | 第12-14页 |
| ·研究的主要内容及技术路线 | 第14-16页 |
| 第二章 图像的获取及预处理 | 第16-22页 |
| ·图像的获取 | 第16-17页 |
| ·试验装置 | 第16-17页 |
| ·图像获取 | 第17页 |
| ·图像的预处理 | 第17-21页 |
| ·概述 | 第17-18页 |
| ·彩色图像滤波 | 第18-21页 |
| ·本章小节 | 第21-22页 |
| 第三章 图像分割 | 第22-39页 |
| ·颜色模型描述 | 第22-23页 |
| ·分割的含义 | 第23页 |
| ·闭值分割 | 第23-29页 |
| ·直方图技术 | 第24页 |
| ·自适应阈值 | 第24-29页 |
| ·不受光线影响的背景分割 | 第29-31页 |
| ·叶片覆盖情况的边缘检测 | 第31-33页 |
| ·有其他异物的处理 | 第33-38页 |
| ·数学形态学概述 | 第33-34页 |
| ·二值形态学 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 第四章 形状特征的提取 | 第39-52页 |
| ·概述 | 第39页 |
| ·形状特征提取 | 第39-50页 |
| ·形状特征 | 第39-45页 |
| ·形状特征的提取及分析比较 | 第45-50页 |
| ·本章小节 | 第50-52页 |
| 第五章 纹理特征的提取 | 第52-58页 |
| ·概述 | 第52页 |
| ·纹理的分析方法 | 第52-55页 |
| ·纹理参数的分析比较 | 第55-57页 |
| ·本章小节 | 第57-58页 |
| 第六章 神经网络分类器设计 | 第58-67页 |
| ·概述 | 第58页 |
| ·BP网络中的神经元模型 | 第58-60页 |
| ·BP网络模型 | 第60-61页 |
| ·BP算法的改进 | 第61-63页 |
| ·改变误差函数的形式 | 第61-62页 |
| ·激活函数的选择 | 第62-63页 |
| ·BP网络设计与训练 | 第63-65页 |
| ·试验结果及分类 | 第65-66页 |
| ·本章小节 | 第66-67页 |
| 第七章 结论及设想 | 第67-69页 |
| ·主要结论 | 第67-68页 |
| ·今后展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-76页 |
| 在读期间参与课题及取得成果 | 第76页 |
