| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-15页 |
| ·研究背景、目的与意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·研究目的与意义 | 第9页 |
| ·国内外研究现状 | 第9-12页 |
| ·研究内容 | 第12-13页 |
| ·训练样本的选取和分类器参数的选取对稻飞虱检测的影响 | 第12页 |
| ·基于 HOG 特征的 Adaboost 分类器对稻飞虱检测的研究 | 第12页 |
| ·不同的图像局部特征对水稻基部飞虱检测的影响 | 第12-13页 |
| ·技术路线 | 第13页 |
| ·论文安排 | 第13-15页 |
| 第二章 基于 Haar 特征的 Adaboost 分类器的训练样本选取对稻飞虱检测的影响 | 第15-25页 |
| ·Haar-like 特征 | 第15-17页 |
| ·Adaboost 基本理论 | 第17-18页 |
| ·训练样本图像的大小对稻飞虱检测结果的影响 | 第18-20页 |
| ·训练样本图像的来源对稻飞虱检测结果的影响 | 第20-21页 |
| ·训练样本量的大小对稻飞虱检测结果的影响 | 第21页 |
| ·分类器参数的选择对稻飞虱检测结果的影响 | 第21-23页 |
| ·本章小结 | 第23-25页 |
| 第三章 基于 HOG 特征的 Adaboost 分类器对稻飞虱检测的研究 | 第25-29页 |
| ·HOG 特征 | 第25-27页 |
| ·基于 HOG 特征的 Adaboost 分类器对稻飞虱检测 | 第27-28页 |
| ·Haar 和 HOG 两种特征对稻飞虱检测结果的比较 | 第28页 |
| ·本章小结 | 第28-29页 |
| 第四章 不同的图像局部特征对水稻基部飞虱检测的影响 | 第29-44页 |
| ·训练样本和测试样本 | 第29页 |
| ·基于 HOG 特征的稻飞虱检测研究 | 第29-30页 |
| ·基于 LBP 特征的稻飞虱检测研究 | 第30-34页 |
| ·基于 Gabor 特征的稻飞虱检测研究 | 第34-41页 |
| ·多特征融合的稻飞虱识别算法 | 第41-42页 |
| ·Gabor 与 HOG 特征融合的检测 | 第41页 |
| ·Gabor、HOG 和 LBP 特征融合的检测结果 | 第41-42页 |
| ·稻飞虱检测结果与分析 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 总结与展望 | 第44-45页 |
| ·总结 | 第44页 |
| ·展望 | 第44-45页 |
| 参考文献 | 第45-50页 |
| 致谢 | 第50-51页 |
| 攻读硕士学位期间参与的科研项目和发表论文 | 第51页 |
