| 致谢 | 第4-8页 |
| 摘要 | 第8-9页 |
| 1 文献综述 | 第9-17页 |
| 1.1 小麦全蚀病研究进展 | 第9-10页 |
| 1.2 无人机遥感技术概述 | 第10-13页 |
| 1.2.1 国外无人机遥感技术在农业中的研究进展 | 第11-12页 |
| 1.2.2 无人机遥感技术在我国农业中的研究进展 | 第12-13页 |
| 1.3 图像处理技术概述 | 第13-15页 |
| 1.3.1 图像处理技术在作物生长监测中的研究进展 | 第13-14页 |
| 1.3.2 图像处理技术在作物病害监测中的研究进展 | 第14-15页 |
| 1.4 图像处理技术在小麦全蚀病监测中的研究进展 | 第15-16页 |
| 1.5 本文的组织结构 | 第16-17页 |
| 2 引言 | 第17-18页 |
| 2.1 研究背景 | 第17页 |
| 2.2 研究目的 | 第17页 |
| 2.3 研究意义 | 第17-18页 |
| 3 研究材料与方法 | 第18-26页 |
| 3.1 田间数据调查 | 第18页 |
| 3.2 小麦图像的获取 | 第18-19页 |
| 3.3 开发工具介绍 | 第19页 |
| 3.4 小麦不同病害程度图像预处理 | 第19-23页 |
| 3.4.1 小麦图像灰度变换处理 | 第19-20页 |
| 3.4.2 小麦图像平滑处理 | 第20-23页 |
| 3.5 小麦图像增强处理 | 第23-26页 |
| 3.5.1 图像的直方图 | 第23页 |
| 3.5.2 直方图均衡化 | 第23页 |
| 3.5.3 小麦图像直方图均衡化处理 | 第23-26页 |
| 4 小麦全蚀病图像特征参数的提取和选择 | 第26-36页 |
| 4.1 全蚀病图像特征参数提取 | 第26-32页 |
| 4.1.1 提取图像直方图统计量特征 | 第26-27页 |
| 4.1.2 提取小麦图像的颜色特征 | 第27-32页 |
| 4.2 基于遗传算法的特征提取 | 第32-34页 |
| 4.2.1 数据归一化处理 | 第32页 |
| 4.2.2 遗传算法 | 第32-33页 |
| 4.2.3 特征选择算法设计 | 第33-34页 |
| 4.3 选择结果 | 第34-36页 |
| 5 小麦全蚀病病害图像分割和识别 | 第36-45页 |
| 5.1 模糊数学和模糊聚类 | 第36-37页 |
| 5.1.1 模糊数学 | 第36页 |
| 5.1.2 模糊聚类分析 | 第36-37页 |
| 5.2 基于模糊C均值聚类的小麦全蚀病图像分割 | 第37-40页 |
| 5.2.1 模糊聚类与图像分割 | 第37-38页 |
| 5.2.2 FCM算法 | 第38-39页 |
| 5.2.3 基于FCM的小麦全蚀病图像分割 | 第39-40页 |
| 5.3 小麦全蚀病模糊模式识别 | 第40-42页 |
| 5.3.1 模糊模式识别原理 | 第40-41页 |
| 5.3.2 小麦全蚀病模糊模式识别的分类设计 | 第41-42页 |
| 5.4 小麦全蚀病图像的分类算法 | 第42-43页 |
| 5.5 实验结果分析 | 第43-45页 |
| 6 小麦全蚀病监测系统设计与实现 | 第45-62页 |
| 6.1 系统功能结构分析与设计 | 第45-47页 |
| 6.1.1 系统功能分析 | 第45-46页 |
| 6.1.2 小麦全蚀病监测系统的业务流程 | 第46-47页 |
| 6.1.3 图像处理系统设计 | 第47页 |
| 6.2 系统数据库设计 | 第47-50页 |
| 6.3 系统技术架构 | 第50-55页 |
| 6.3.1 系统开发环境 | 第50页 |
| 6.3.2 WEB框架搭建 | 第50-55页 |
| 6.4 图像处理模块算法实现 | 第55-58页 |
| 6.5 系统功能实现 | 第58-62页 |
| 7 结果与展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| ABSTRACT | 第68-69页 |