| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 第一章 绪论 | 第11-22页 |
| ·图像导航算法研究的意义 | 第11-12页 |
| ·农田自动导航历史 | 第12-13页 |
| ·农田视觉导航算法研究现状 | 第13-20页 |
| ·农田视觉导航算法国外研究现状 | 第13-18页 |
| ·农田视觉导航算法国内研究现状 | 第18-20页 |
| ·本文的研究内容 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第二章 彩色模型的选择研究 | 第22-32页 |
| ·引言 | 第22-23页 |
| ·RGB和CMY彩色模型及农田适应性分析 | 第23-26页 |
| ·RGB彩色模型及农田适应性分析 | 第24-25页 |
| ·CMY彩色模型 | 第25-26页 |
| ·LAB彩色模型及农田适应性分析 | 第26-27页 |
| ·HIS彩色模型及农田适应性分析 | 第27-28页 |
| ·实验结果与分析 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 小波多分辨率特性的应用 | 第32-42页 |
| ·引言 | 第32页 |
| ·小波多分辨率理论概述 | 第32-38页 |
| ·尺度函数 | 第32-33页 |
| ·小波函数 | 第33-34页 |
| ·离散小波变换 | 第34-36页 |
| ·Mallat小波 | 第36-38页 |
| ·小波多分辨率在农田图像处理中的应用 | 第38-41页 |
| ·小波变换对图像噪声的去除 | 第38-39页 |
| ·农田图像的噪声去除和数据量减少 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 基于Meanshift算法的农田图像分割 | 第42-53页 |
| ·引言 | 第42页 |
| ·Meanshift算法研究 | 第42-48页 |
| ·Meanshift算法简介 | 第42-44页 |
| ·高斯核迭代速度的讨论 | 第44-46页 |
| ·高斯核迭代速度的提高 | 第46-48页 |
| ·新快速MeanShift算法的提出及应用 | 第48-51页 |
| ·本章小结 | 第51-53页 |
| 第五章 基于支持向量机的农田图像分割研究 | 第53-84页 |
| ·引言 | 第53-54页 |
| ·支持向量机基本理论 | 第54-67页 |
| ·线性支持向量机 | 第54-59页 |
| ·线性支持向量回归机 | 第59-62页 |
| ·多类分类问题 | 第62-64页 |
| ·决策函数优劣的度量指标 | 第64-67页 |
| ·农田输入特征的选择 | 第67-70页 |
| ·线性支持向量机的具体应用 | 第70-80页 |
| ·基于坐标及灰度值的农田图像分割及实验分析 | 第70-74页 |
| ·基于灰度值、平均值及方差的农田图像分割及实验分析 | 第74-80页 |
| ·支持向量回归机的应用及实验分析 | 第80-82页 |
| ·本章小结 | 第82-84页 |
| 第六章 分割效果实验对比研究 | 第84-93页 |
| ·农田图像阈值分割 | 第85-89页 |
| ·固定阈值农田图像分割 | 第85-86页 |
| ·最大类间方差阈值农田图像分割 | 第86-87页 |
| ·基于顶帽运算的局部阈值分割 | 第87-88页 |
| ·基于自适应阈值的分割 | 第88-89页 |
| ·农田图像K-均值分割 | 第89-90页 |
| ·基于小波多分辨率分解的Meanshift分割 | 第90页 |
| ·基于小波多分辨率分解的支持向量机分割 | 第90-91页 |
| ·实验结果对比分析 | 第91-93页 |
| ·实验对象 | 第91页 |
| ·实验结果分析 | 第91-93页 |
| 第七章 总结与展望 | 第93-96页 |
| ·研究总结 | 第93-94页 |
| ·主要创新工作 | 第94-95页 |
| ·展望 | 第95-96页 |
| 参考文献 | 第96-104页 |
| 致谢 | 第104-105页 |
| 攻读学位期间的科研工作和发表的学术论文 | 第105页 |
| 一、发表的论文 | 第105页 |
| 二、主持和参与的科研项目 | 第105页 |