棉蚜天敌图像的分类识别研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-14页 |
| ·课题背景与研究意义 | 第10页 |
| ·昆虫图像识别研究现状 | 第10-12页 |
| ·国外研究概况 | 第10-11页 |
| ·国内研究概况 | 第11-12页 |
| ·论文的研究内容 | 第12页 |
| ·论文的研究思路 | 第12-13页 |
| ·本章小结 | 第13-14页 |
| 第二章 基于图像的昆虫识别技术综述 | 第14-20页 |
| ·前处理过程 | 第14-15页 |
| ·消除无用数据 | 第14-15页 |
| ·抽取有用数据 | 第15页 |
| ·特征抽取过程 | 第15-17页 |
| ·颜色特征 | 第15-16页 |
| ·形状特征 | 第16-17页 |
| ·纹理特征 | 第17页 |
| ·分类识别 | 第17-19页 |
| ·神经网络分类训练方法 | 第18页 |
| ·相似度匹配方法 | 第18-19页 |
| ·后处理过程 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 棉蚜天敌图像特征提取 | 第20-31页 |
| ·图像预处理 | 第20-21页 |
| ·图像获取 | 第20页 |
| ·图像分割 | 第20-21页 |
| ·颜色特征提取 | 第21-23页 |
| ·颜色的统计直方图 | 第21-22页 |
| ·颜色矩 | 第22-23页 |
| ·形状特征提取 | 第23-25页 |
| ·形状区域描述符 | 第23-24页 |
| ·不变矩 | 第24-25页 |
| ·纹理特征提取 | 第25-30页 |
| ·灰度共生矩阵 | 第25-27页 |
| ·Tamura 纹理 | 第27-28页 |
| ·LBP 纹理 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 基于支持向量机的棉蚜天敌识别研究 | 第31-40页 |
| ·支持向量机（SVM） | 第31-35页 |
| ·线性可分 | 第31-33页 |
| ·非线性可分 | 第33-34页 |
| ·SVM 多类分类问题 | 第34-35页 |
| ·基于SVM 的棉蚜天敌图像分类研究 | 第35-36页 |
| ·LS-SVM lab 简介 | 第35-36页 |
| ·OSU-SVM 简介 | 第36页 |
| ·实验过程分析 | 第36-39页 |
| ·核函数以及训练参数选择 | 第37页 |
| ·多类分类算法选择 | 第37页 |
| ·结论及讨论 | 第37-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于局部特征相似匹配棉蚜天敌识别研究 | 第40-47页 |
| ·局部特征描述子 | 第40-41页 |
| ·SIFT 特征描述子 | 第40页 |
| ·SURF 特征描述子 | 第40-41页 |
| ·基于LBP 的SURF 描述子 | 第41页 |
| ·实验过程分析 | 第41-46页 |
| ·特征点匹配算法 | 第41-42页 |
| ·特征匹配结果 | 第42-44页 |
| ·基于直方图的相似度测量 | 第44-45页 |
| ·基于LBP 的SURF 特征匹配 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第六章 总结和讨论 | 第47-49页 |
| ·总结 | 第47-48页 |
| ·讨论 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 作者简介 | 第53页 |
