| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-15页 |
| ·数字图像处理技术概述 | 第9-10页 |
| ·现有的根系观测方法 | 第10-11页 |
| ·应用数字图像处理技术获取植物根构型参数的研究意义 | 第11-13页 |
| ·本章小结 | 第13-15页 |
| 第二章 人工神经网络理论基础 | 第15-23页 |
| ·人工神经网络的研究现状与评述 | 第15-16页 |
| ·人工神经网络的基本概念 | 第16-18页 |
| ·BP网络模型介绍 | 第18-22页 |
| ·BP网络的学习规则与计算方法 | 第18-19页 |
| ·BP神经网络的学习训练过程 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 彩色根系图像的获取及预处理 | 第23-29页 |
| ·根系图像的获取 | 第23页 |
| ·彩色图像的表示 | 第23-24页 |
| ·根系图像增强处理 | 第24-26页 |
| ·根系图像的平滑 | 第24-26页 |
| ·根系图像的锐化 | 第26页 |
| ·本章小结 | 第26-29页 |
| 第四章 根系图像分割 | 第29-49页 |
| ·图像分割概述 | 第29页 |
| ·彩色图像分割方法概述 | 第29-35页 |
| ·色彩空间模型 | 第30-32页 |
| ·色差和彩色的不变性 | 第32页 |
| ·彩色图像分割技术 | 第32-35页 |
| ·基于颜色特征的彩色根系图像分割方法 | 第35-38页 |
| ·基于 BP神经网络的彩色根系图像分割算法 | 第38-48页 |
| ·神经网络训练与学习的数据处理 | 第39-40页 |
| ·颜色类的选择 | 第40-41页 |
| ·颜色特征提取 | 第41-42页 |
| ·网络节点数的确定 | 第42-43页 |
| ·学习样本的获取 | 第43页 |
| ·网络的训练与颜色分类 | 第43-44页 |
| ·实验结果与分析 | 第44-48页 |
| ·本章小结 | 第48-49页 |
| 第五章 根系二值图像的细化处理 | 第49-65页 |
| ·概述 | 第49-50页 |
| ·相关概念与术语 | 第50-53页 |
| ·串行细化算法 | 第53-55页 |
| ·并行细化算法 | 第55-56页 |
| ·骨架保留剥落法 | 第56-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 根系的识别与根构型参数的测定 | 第65-75页 |
| ·根系长度的测定 | 第65-69页 |
| ·根数的测定 | 第69页 |
| ·根夹角的测定 | 第69-73页 |
| ·余弦估计法 | 第69-70页 |
| ·神经网络法 | 第70-73页 |
| ·侧根间距的测定 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 第七章 总结 | 第75-77页 |
| ·主要工作 | 第75页 |
| ·今后的研究方向 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 硕士研究生期间发表的学术论文 | 第81-83页 |
| 致谢 | 第83页 |