| 摘要 | 第5-7页 |
| ABSTRACT | 第7-10页 |
| 第1章 绪论 | 第15-29页 |
| 1.1 研究背景及意义 | 第15-17页 |
| 1.2 国内外研究现状 | 第17-25页 |
| 1.2.1 果实识别研究现状 | 第17-21页 |
| 1.2.2 农作物病害和缺陷检测研究现状 | 第21-23页 |
| 1.2.3 存在问题 | 第23-25页 |
| 1.3 主要研究内容 | 第25页 |
| 1.4 研究方法与技术路线 | 第25-27页 |
| 1.4.1 研究方法 | 第25-26页 |
| 1.4.2 技术路线 | 第26-27页 |
| 1.5 论文组织结构 | 第27-29页 |
| 第2章 图像与光谱分析相关理论与技术 | 第29-47页 |
| 2.1 图像特征 | 第29-36页 |
| 2.1.1 颜色特征 | 第29-32页 |
| 2.1.2 纹理特征 | 第32-36页 |
| 2.2 高光谱图像 | 第36-40页 |
| 2.2.1 光谱特性 | 第37-39页 |
| 2.2.2 高光谱图像预处理技术 | 第39页 |
| 2.2.3 光谱特性曲线的平滑 | 第39-40页 |
| 2.3 数据降维技术 | 第40-43页 |
| 2.3.1 特征提取 | 第41页 |
| 2.3.2 特征选择 | 第41-43页 |
| 2.4 分类模型 | 第43-45页 |
| 2.4.1 支持向量机 | 第43-44页 |
| 2.4.2 K-最近邻分类器 | 第44页 |
| 2.4.3 径向基函数神经网络 | 第44页 |
| 2.4.4 随机森林 | 第44-45页 |
| 2.4.5 序列最小优化算法 | 第45页 |
| 2.4.6 C4.5算法 | 第45页 |
| 2.5 交叉验证 | 第45-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第3章 绿色未成熟柑橘果实识别方法 | 第47-79页 |
| 3.1 引言 | 第47-48页 |
| 3.2 图像采集与样本集的建立 | 第48页 |
| 3.3 绿色果实识别方法的总体描述 | 第48-50页 |
| 3.4 基于颜色特征的复杂背景的去除 | 第50-64页 |
| 3.4.1 绿色柑橘图像的增强 | 第50-54页 |
| 3.4.2 基于改进的RB色差图的柑橘果实复杂背景的去除 | 第54-62页 |
| 3.4.3 基于累计直方图均衡化的复杂背景去除 | 第62-64页 |
| 3.5 基于模板匹配的绿色柑橘潜在区域检测 | 第64-67页 |
| 3.5.1 常用模板匹配方法 | 第64-65页 |
| 3.5.2 基于SATD模板匹配方法的绿色果实潜在区域检测 | 第65-67页 |
| 3.6 粘连果实的分割 | 第67-71页 |
| 3.6.1 基于边缘的图像分割 | 第67-68页 |
| 3.6.2 基于阈值的图像分割 | 第68页 |
| 3.6.3 基于区域的图像分割 | 第68-69页 |
| 3.6.4 改进的基于H-minima变化的标记控制分水岭分割算法 | 第69-71页 |
| 3.7 基于纹理特征的误识别去除和最终果实个数确定 | 第71-73页 |
| 3.8 试验结果讨论 | 第73-77页 |
| 3.8.1 绿色果实识别算法鲁棒性试验 | 第74-76页 |
| 3.8.2 试验结果分析与讨论 | 第76-77页 |
| 3.9 本章小结 | 第77-79页 |
| 第4章 基于可见/近红外光谱的柑橘黑斑病检测方法研究 | 第79-93页 |
| 4.1 引言 | 第79-80页 |
| 4.2 供试样本数据采集与样本集的建立 | 第80-82页 |
| 4.2.1 供试柑橘样本 | 第80-81页 |
| 4.2.2 光谱数据采集 | 第81-82页 |
| 4.3 基于可见/近红外光谱的柑橘黑斑病识别总体思路 | 第82-83页 |
| 4.4 光谱数据预处理与光谱特性分析 | 第83-85页 |
| 4.4.1 数据预处理 | 第83页 |
| 4.4.2 光谱特性分析 | 第83-85页 |
| 4.5 健康与黑斑病染病样本特征波长的选择和分类识别 | 第85-89页 |
| 4.5.1 特征波长选择 | 第85-88页 |
| 4.5.2 健康与黑斑病样本的识别结果 | 第88-89页 |
| 4.6 黑斑病染病不同症状样本特征波长选择与分类识别 | 第89-90页 |
| 4.7 试验结果讨论 | 第90-91页 |
| 4.8 本章小结 | 第91-93页 |
| 第5章 基于高光谱图像的柑橘黑斑病检测方法研究 | 第93-109页 |
| 5.1 引言 | 第93页 |
| 5.2 高光谱图像采集系统的建立与数据采集 | 第93-97页 |
| 5.2.1 高光谱图像采集系统的建立 | 第93-96页 |
| 5.2.2 供试高光谱图像样本采集 | 第96-97页 |
| 5.3 基于高光谱图像的柑橘黑斑病识别总体思路 | 第97-98页 |
| 5.4 高光谱图像预处理与光谱特性分析 | 第98-101页 |
| 5.4.1 高光谱图像平场校正 | 第98-99页 |
| 5.4.2 高光谱图像数据的平滑及样本集的建立 | 第99-100页 |
| 5.4.3 光谱特性分析 | 第100-101页 |
| 5.5 健康与黑斑病染病样本特征波长的选择和分类识别 | 第101-104页 |
| 5.5.1 特征波长的选择 | 第101-103页 |
| 5.5.2 健康与黑斑病样本的植被指数 | 第103页 |
| 5.5.3 健康与黑斑病样本的分类器构建 | 第103-104页 |
| 5.6 黑斑病染病不同症状样本特征波长选择与分类识别 | 第104-106页 |
| 5.6.1 健康与黑斑病样本的植被指数构建 | 第104-105页 |
| 5.6.2 健康与黑斑病样本的分类器构建 | 第105-106页 |
| 5.7 试验结果讨论 | 第106-108页 |
| 5.8 本章小结 | 第108-109页 |
| 第6章 蓝莓果实成熟度识别方法 | 第109-132页 |
| 6.1 引言 | 第109页 |
| 6.2 自然光照下蓝莓供试图像采集和供试样本集 | 第109-112页 |
| 6.2.1 蓝莓彩色图像的采集 | 第110页 |
| 6.2.2 蓝莓多光谱图像的采集 | 第110-111页 |
| 6.2.3 供试样本集 | 第111-112页 |
| 6.3 基于RGB彩色图像的蓝莓成熟度识别 | 第112-124页 |
| 6.3.1 蓝莓果实识别算法总体思路 | 第112-113页 |
| 6.3.2 蓝莓果实颜色特征分析 | 第113-115页 |
| 6.3.3 成熟与近似成熟果实的识别 | 第115-117页 |
| 6.3.4 未成熟果实的识别 | 第117-123页 |
| 6.3.5 蓝莓果实的识别结果与分析 | 第123-124页 |
| 6.4 基于多光谱图像的蓝莓不同生长阶段识别 | 第124-129页 |
| 6.4.1 多光谱图像的矫正 | 第125页 |
| 6.4.2 蓝莓各生长阶段的识别 | 第125-129页 |
| 6.5 试验结果讨论 | 第129-131页 |
| 6.5.1 基于彩色RGB图像的蓝莓各生长阶段的识别结果分析 | 第129-130页 |
| 6.5.2 基于多光谱图像的蓝莓各生长阶段的识别结果分析 | 第130页 |
| 6.5.3 试验结果对比分析与讨论 | 第130-131页 |
| 6.6 本章小结 | 第131-132页 |
| 第7章 结论与展望 | 第132-135页 |
| 7.1 结论 | 第132-133页 |
| 7.2 创新点 | 第133-134页 |
| 7.3 展望 | 第134-135页 |
| 参考文献 | 第135-145页 |
| 致谢 | 第145-147页 |
| 作者简介 | 第147页 |
