基于支持向量机的田间杂草识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究目的及意义 | 第10-11页 |
| ·国内外研究现状及发展趋势 | 第11-17页 |
| ·背景分割技术研究概况 | 第12-13页 |
| ·植物识别技术研究概况 | 第13-16页 |
| ·精确除草技术研究概况 | 第16-17页 |
| ·主要研究内容和方法 | 第17-18页 |
| ·主要研究内容 | 第17页 |
| ·拟定实验方案 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 实验系统的构成及图像预处理 | 第19-26页 |
| ·系统构成 | 第19-21页 |
| ·机器视觉系统 | 第19-20页 |
| ·图像处理软件 | 第20-21页 |
| ·图像预处理 | 第21-25页 |
| ·图像的噪声分析 | 第21-23页 |
| ·图像的空域滤波 | 第23-25页 |
| ·滤波效果比较 | 第25页 |
| ·本章小节 | 第25-26页 |
| 第三章 绿色植物与土壤背景的分割 | 第26-41页 |
| ·图像分割概述 | 第26-27页 |
| ·颜色空间的选择 | 第27-31页 |
| ·彩色图像的颜色空间 | 第27-30页 |
| ·图像分割颜色空间的选择 | 第30-31页 |
| ·图像的阈值分割 | 第31-35页 |
| ·直方图分割法 | 第32页 |
| ·最大类间方差法 | 第32-34页 |
| ·最大熵阈值法 | 第34-35页 |
| ·分割图像的后续处理 | 第35-40页 |
| ·形态学处理 | 第36-38页 |
| ·区域标记算法 | 第38-40页 |
| ·本章小节 | 第40-41页 |
| 第四章 植物叶片及其形状纹理特征的获取 | 第41-55页 |
| ·利用颜色特征获得植物区域 | 第41-44页 |
| ·利用颜色特征分割植物与背景 | 第41-42页 |
| ·利用形态学方法获得植物区域 | 第42-44页 |
| ·形状特征提取 | 第44-50页 |
| ·形状特征及其参数 | 第44-48页 |
| ·植物形状特征参数提取 | 第48-50页 |
| ·纹理特征提取 | 第50-54页 |
| ·纹理特征及其参数 | 第50-52页 |
| ·植物纹理特征参数提取 | 第52-54页 |
| ·本章小节 | 第54-55页 |
| 第五章 田间杂草模式识别 | 第55-67页 |
| ·模式识别概述 | 第55页 |
| ·支持向量机 | 第55-61页 |
| ·支持向量机的理论基础 | 第55-58页 |
| ·支持向量机的多分类方法 | 第58-61页 |
| ·基于支持向量机的杂草识别模型 | 第61-66页 |
| ·SVM核函数及其参数选择 | 第61-62页 |
| ·SVM模型选择 | 第62-63页 |
| ·小麦和杂草的多分类 | 第63-65页 |
| ·小麦和杂草的二分类 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第六章 结论与展望 | 第67-69页 |
| ·结论 | 第67-68页 |
| ·后续工作与展望 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间完成的论文 | 第75页 |
