| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 绪论 | 第12-30页 |
| 1.1 选题背景与研究意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-25页 |
| 1.2.1 病害图像分割 | 第17-19页 |
| 1.2.2 病斑特征提取 | 第19-20页 |
| 1.2.3 病害识别的分类器训练及性能评价 | 第20-24页 |
| 1.2.4 国内外农作物病害识别相关研究总结 | 第24-25页 |
| 1.3 论文的主要研究内容和章节 | 第25-27页 |
| 1.3.1 论文的主要研究内容 | 第25-26页 |
| 1.3.2 论文的章节安排 | 第26-27页 |
| 1.4 论文的研究难点及创新点 | 第27-29页 |
| 1.4.1 论文的研究难点 | 第27-28页 |
| 1.4.2 论文的创新点 | 第28-29页 |
| 1.5 本章小结 | 第29-30页 |
| 第二章 病害图像预处理 | 第30-54页 |
| 2.1 病害图像的去遮挡 | 第30-37页 |
| 2.1.1 病害图像的去遮挡方法 | 第30-33页 |
| 2.1.2 病害图像的去遮挡仿真实验 | 第33-34页 |
| 2.1.3 病害图像去遮挡后的图像质量评价 | 第34-37页 |
| 2.2 病害图像的图像融合 | 第37-42页 |
| 2.2.1 基于小波变换的病害图像融合方法 | 第38-39页 |
| 2.2.2 病害图像融合的仿真实验 | 第39页 |
| 2.2.3 病害图像融合后的图像质量评价 | 第39-42页 |
| 2.3 病害图像的边缘检测 | 第42-47页 |
| 2.3.1 病害图像的边缘检测方法 | 第42-44页 |
| 2.3.2 病害图像的边缘检测仿真实验 | 第44-46页 |
| 2.3.3 病害图像边缘检测后的图像质量评价 | 第46-47页 |
| 2.4 病害图像的图像增强 | 第47-51页 |
| 2.4.1 基于直方图均衡化的病害图像增强方法 | 第47-49页 |
| 2.4.2 病害图像增强仿真实验 | 第49-50页 |
| 2.4.3 病害图像增强后的图像质量评价 | 第50-51页 |
| 2.5 本章小结 | 第51-54页 |
| 第三章 复杂背景下的病害图像分割 | 第54-66页 |
| 3.1 显著图 | 第54-59页 |
| 3.1.1 显著图检测 | 第55-58页 |
| 3.1.2 实验结果 | 第58-59页 |
| 3.2 基于显著图的病害图像分割方法 | 第59-65页 |
| 3.2.1 GrabCut分割 | 第60-62页 |
| 3.2.2 超绿法分割 | 第62-63页 |
| 3.2.3 分割结果分析 | 第63-65页 |
| 3.3 本章小结 | 第65-66页 |
| 第四章 病斑图像特征提取及优化 | 第66-88页 |
| 4.1 病害图像数据集及病害类型的生理学特征分析 | 第66-68页 |
| 4.2 病斑图像的颜色特征提取 | 第68-73页 |
| 4.2.1 颜色特征提取方法 | 第68-71页 |
| 4.2.2 颜色特征提取结果 | 第71-73页 |
| 4.3 病斑图像的纹理特征提取 | 第73-79页 |
| 4.3.1 纹理特征提取方法 | 第73-76页 |
| 4.3.2 纹理特征提取结果 | 第76-79页 |
| 4.4 病斑图像的形状特征提取 | 第79-86页 |
| 4.4.1 形状特征提取方法 | 第79-82页 |
| 4.4.2 形状特征提取结果 | 第82-86页 |
| 4.5 本章小结 | 第86-88页 |
| 第五章 基于区分深度置信网络的病害图像识别方法 | 第88-106页 |
| 5.1 区分深度置信网络 | 第88-91页 |
| 5.2 损失函数 | 第91-92页 |
| 5.3 基于区分深度置信网络的病害识别算法 | 第92-104页 |
| 5.3.1 病害识别算法流程 | 第92页 |
| 5.3.2 改进的病害识别算法流程 | 第92-94页 |
| 5.3.3 在小规模数据集上的病害识别结果分析 | 第94-101页 |
| 5.3.4 在中规模数据集上的病害识别结果分析 | 第101-104页 |
| 5.4 本章小结 | 第104-106页 |
| 第六章 农作物病害识别系统 | 第106-122页 |
| 6.1 农作物病害检测方法 | 第106-113页 |
| 6.1.1 基于FasterR-CNN的病害图像自动检测算法 | 第107-108页 |
| 6.1.2 病害图像自动检测方法的仿真实验 | 第108-109页 |
| 6.1.3 检测模型的性能评价 | 第109-113页 |
| 6.2 枸杞病害图像识别系统 | 第113-116页 |
| 6.2.1 枸杞病害的生理信息机理研究 | 第113-114页 |
| 6.2.2 枸杞病害图像识别系统的实现 | 第114-116页 |
| 6.3 枸杞生长环境监测的微信公众号 | 第116-120页 |
| 6.3.1 数据实时采集 | 第117页 |
| 6.3.2 上位机 | 第117-118页 |
| 6.3.3 微信公众号 | 第118-120页 |
| 6.4 本章小结 | 第120-122页 |
| 结论与展望 | 第122-126页 |
| 1 主要研究工作的总结 | 第122-124页 |
| 2 进一步研究工作的展望 | 第124-126页 |
| 参考文献 | 第126-140页 |
| 致谢 | 第140-142页 |
| 攻读博士学位期间取得的科研成果 | 第142页 |