基于迭代阀值分割法的栲属植物识别技术研究
| 中文摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 引言 | 第8-14页 |
| 1.1 课题研究背景 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10-12页 |
| 1.3 本文研究内容 | 第12-13页 |
| 1.4 本文创新点 | 第13-14页 |
| 第二章 栲属植物数据库系统的设计 | 第14-25页 |
| 2.1 数据库系统的简介 | 第14-15页 |
| 2.1.1 数据库系统平台建设原理 | 第14页 |
| 2.1.2 数据库系统发展进程 | 第14-15页 |
| 2.2 栲属植物数据库储备材料 | 第15-19页 |
| 2.3 栲属植物数据库建立 | 第19-20页 |
| 2.3.1 数据库开发工具 | 第19页 |
| 2.3.2 数据库系统功能 | 第19-20页 |
| 2.4 数据库设计流程 | 第20-23页 |
| 2.5 栲属植物信息收集与处理 | 第23页 |
| 2.6 栲属植物信息数据库平台 | 第23-24页 |
| 2.7 本章小结 | 第24-25页 |
| 第三章 栲属树种识别系统方案设计 | 第25-43页 |
| 3.1 树种识别系统硬件设计 | 第25-36页 |
| 3.1.1 基于DSP+FPGA结构的控制系统 | 第27-30页 |
| 3.1.2 基于FPGA控制的图像采集流程 | 第30-32页 |
| 3.1.3 图像采集模块控制 | 第32-33页 |
| 3.1.4 图像无线传输设计 | 第33-35页 |
| 3.1.5 控制电源模块设计 | 第35-36页 |
| 3.2 树种识别系统软件设计 | 第36-42页 |
| 3.2.1 树种识别系统总体软件设计 | 第36-39页 |
| 3.2.2 图像传输驱动程序设计 | 第39-41页 |
| 3.2.3 PC机应用平台程序设计 | 第41-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第四章 栲属叶片图像预处理与实现 | 第43-52页 |
| 4.1 栲属叶片图像的获取 | 第43-44页 |
| 4.2 图像的采集 | 第44-46页 |
| 4.2.1 图像采样 | 第44-45页 |
| 4.2.2 图像量化 | 第45-46页 |
| 4.3 栲属植物叶片图像的处理 | 第46-51页 |
| 4.3.1 图像处理系统介绍 | 第46页 |
| 4.3.2 图像灰度化处理 | 第46-47页 |
| 4.3.3 图像去噪处理 | 第47-49页 |
| 4.3.4 图像增强处理 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 叶片图像分割及特征提取 | 第52-63页 |
| 5.1 基于迭代阀值分割法的图像分割 | 第52-59页 |
| 5.1.1 分割原理及算法 | 第52-53页 |
| 5.1.2 迭代法值分割法算法程序 | 第53-56页 |
| 5.1.3 分割结果评价 | 第56-57页 |
| 5.1.4 图像形态学处理 | 第57-59页 |
| 5.2 叶片图像灰度共生矩阵统计特征量 | 第59-60页 |
| 5.3 叶片图像特征提取 | 第60-62页 |
| 5.3.1 叶片叶脉特征提取 | 第60-61页 |
| 5.3.2 叶片轮廓特征提取 | 第61-62页 |
| 5.3.3 叶片特征提取在DSP+FPGA实现 | 第62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 树种识别的算法实现 | 第63-69页 |
| 6.1 植物特征与数据库对比识别 | 第63页 |
| 6.2 神经网络树种识别模型 | 第63-64页 |
| 6.3 树种识别神经网络设计 | 第64-66页 |
| 6.4 神经网络在DSP+PFGA中实现 | 第66-68页 |
| 6.5 本章小结 | 第68-69页 |
| 第七章 总结与展望 | 第69-71页 |
| 参考文献 | 第71-74页 |
| 致谢 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
