基于图像识别技术的豆科牧草分类研究
| 摘要 | 第1-3页 |
| Summary | 第3-7页 |
| 第1章 绪论 | 第7-12页 |
| ·研究目的和意义 | 第7页 |
| ·国内外研究现状 | 第7-11页 |
| ·本文研究内容 | 第11页 |
| ·本文结构 | 第11-12页 |
| 第2章 叶片图像采集及预处理 | 第12-28页 |
| ·叶片图像采集 | 第12-14页 |
| ·实验地概况 | 第12页 |
| ·叶片取样 | 第12页 |
| ·叶片图像获取 | 第12-14页 |
| ·硬件组成 | 第13页 |
| ·样本图像获取过程 | 第13-14页 |
| ·叶片图像的预处理 | 第14-27页 |
| ·叶片图像灰度化 | 第14-16页 |
| ·灰度直方图 | 第16-17页 |
| ·叶片图像去噪（滤波） | 第17-21页 |
| ·均值滤波 | 第19页 |
| ·中值滤波 | 第19-21页 |
| ·叶片图像分割 | 第21页 |
| ·叶片二值化 | 第21-23页 |
| ·形态学处理 | 第23-26页 |
| ·腐蚀与膨胀 | 第24-25页 |
| ·开运算与闭运算 | 第25页 |
| ·叶片图像形态学处理 | 第25-26页 |
| ·叶片轮廓提取 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第3章 叶片特征提取与分类 | 第28-40页 |
| ·叶片特征提取 | 第28-33页 |
| ·叶片周长 | 第28页 |
| ·叶片面积 | 第28-29页 |
| ·叶片质心 | 第29页 |
| ·叶片长轴 | 第29页 |
| ·叶片短轴 | 第29页 |
| ·叶片内接圆 | 第29页 |
| ·叶片外接圆 | 第29页 |
| ·叶片纵横轴比 | 第29-30页 |
| ·叶片矩形度 | 第30页 |
| ·叶片偏心率 | 第30页 |
| ·叶片圆形度 | 第30页 |
| ·面积凹凸比 | 第30-31页 |
| ·周长凹凸比 | 第31页 |
| ·球状性 | 第31页 |
| ·形状参数 | 第31-32页 |
| ·叶片矩不变量 | 第32-33页 |
| ·叶片分类 | 第33-39页 |
| ·人工神经网络 | 第34-37页 |
| ·人工神经网络概述 | 第34页 |
| ·人工神经网络的发展 | 第34-36页 |
| ·神经网络的研究内容 | 第36页 |
| ·神经网络的应用 | 第36-37页 |
| ·PNN 神经网络 | 第37-39页 |
| ·PNN 神经网络的结构 | 第37页 |
| ·PNN 神经网络工作原理 | 第37-38页 |
| ·PNN 神经网络设计 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 系统实现及实验结果 | 第40-67页 |
| ·系统框图 | 第40-41页 |
| ·系统功能模块 | 第41-65页 |
| ·图像文件模块 | 第42-47页 |
| ·图像预处理模块 | 第47-50页 |
| ·图像分析模块 | 第50-59页 |
| ·样本训练模块 | 第59-61页 |
| ·样本测试模块 | 第61-65页 |
| ·实验测试结果 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第5章 总结与展望 | 第67-69页 |
| ·总结 | 第67-68页 |
| ·进一步的设想 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 作者简介 | 第75-76页 |
| 导师简介 | 第76-78页 |
