| 致谢 | 第7-8页 |
| 摘要 | 第8-10页 |
| 英文摘要 | 第10-12页 |
| 第一章 绪论 | 第20-36页 |
| 1.1 引言 | 第20页 |
| 1.2 机器视觉与图像处理概述 | 第20-22页 |
| 1.3 机器视觉技术在农业中的应用 | 第22-30页 |
| 1.3.1 农产品品质检测与分级 | 第23-25页 |
| 1.3.2 农业生产目标识别与空间定位 | 第25-27页 |
| 1.3.3 作物长势监测 | 第27-29页 |
| 1.3.4 精细农业作业 | 第29-30页 |
| 1.4 嵌入式机器视觉系统 | 第30-32页 |
| 1.4.1 嵌入式机器视觉系统组成 | 第30页 |
| 1.4.2 嵌入式机器视觉系统特点 | 第30-32页 |
| 1.5 存在的问题 | 第32-33页 |
| 1.6 研究内容 | 第33-35页 |
| 1.7 本章小结 | 第35-36页 |
| 第二章 数字图像处理技术 | 第36-55页 |
| 2.1 图像感知和获取技术 | 第36-41页 |
| 2.1.1 可见光成像技术 | 第36-38页 |
| 2.1.2 红外成像技术 | 第38-39页 |
| 2.1.3 高光谱成像技术 | 第39-40页 |
| 2.1.4 核磁共振成像技术 | 第40-41页 |
| 2.2 图像增强 | 第41-46页 |
| 2.2.1 图像灰度变换 | 第42-43页 |
| 2.2.2 图像直方图处理 | 第43页 |
| 2.2.3 图像滤波 | 第43-46页 |
| 2.3 图像形态学处理 | 第46-50页 |
| 2.3.1 膨胀与腐蚀 | 第46-47页 |
| 2.3.2 开操作与闭操作 | 第47-48页 |
| 2.3.3 灰度级形态学的应用 | 第48-50页 |
| 2.4 图像分割 | 第50-53页 |
| 2.4.1 RGB分割模型 | 第50-52页 |
| 2.4.2 HSI分割模型 | 第52-53页 |
| 2.4.3 纹理分割 | 第53页 |
| 2.5 本章小结 | 第53-55页 |
| 第三章 基于多视角图像的叶片建模与曲面面积测量 | 第55-68页 |
| 3.1 引言 | 第55-56页 |
| 3.2 相机及标定 | 第56-60页 |
| 3.3 图像获取与三维点云构建 | 第60-63页 |
| 3.4 三维曲面建模 | 第63-64页 |
| 3.5 结果与分析 | 第64-66页 |
| 3.6 结论 | 第66-68页 |
| 第四章 基于高光谱成像技术的甘蔗茎节识别方法 | 第68-79页 |
| 4.1 引言 | 第68-70页 |
| 4.2 材料与方法 | 第70-72页 |
| 4.2.1 试验材料 | 第70页 |
| 4.2.2 高光谱图像采集系统 | 第70-71页 |
| 4.2.3 高光谱数据采集 | 第71页 |
| 4.2.4 特征波段提取 | 第71页 |
| 4.2.5 甘蔗茎节识别的分类模型 | 第71-72页 |
| 4.3 结果与分析 | 第72-77页 |
| 4.3.1 甘蔗茎节光谱特征分析 | 第72-73页 |
| 4.3.2 特征波段提取 | 第73-74页 |
| 4.3.3 甘蔗茎节识别模型的建立 | 第74-75页 |
| 4.3.4 基于特征波段的茎节定位 | 第75-77页 |
| 4.4 本章小结 | 第77-79页 |
| 第五章 基于机载LiDAR的树木信息提取 | 第79-92页 |
| 5.1 引言 | 第79-80页 |
| 5.2 研究区域及实验系统 | 第80-81页 |
| 5.3 点云提取与计算 | 第81-88页 |
| 5.3.1 点云提取 | 第81-85页 |
| 5.3.2 树木冠层投影面积及体积计算 | 第85-88页 |
| 5.4 结果分析 | 第88-90页 |
| 5.4.1 树木点云及冠层提取精度分析 | 第88-89页 |
| 5.4.2 冠层投影面积及体积与人工测量结果比较 | 第89-90页 |
| 5.5 本章小结 | 第90-92页 |
| 第六章 基于Android的柑橘图像信息采集系统 | 第92-108页 |
| 6.1 引言 | 第92-95页 |
| 6.2 实验材料与方法 | 第95-99页 |
| 6.2.1 实验材料 | 第95页 |
| 6.2.2 实验方法 | 第95-99页 |
| 6.3 软件开发 | 第99-104页 |
| 6.3.1 Android系统 | 第99-101页 |
| 6.3.2 系统主界面及处理流程 | 第101-102页 |
| 6.3.3 OpenCV构成 | 第102页 |
| 6.3.4 软件应用的具体实现 | 第102-104页 |
| 6.4 实验结果与讨论 | 第104-107页 |
| 6.4.1 实验室测试标准平面形状 | 第104页 |
| 6.4.2 与排水法和扫描图像处理法的测量结果比较 | 第104-106页 |
| 6.4.3 采集图像数量与准确率及计算时间的关系 | 第106-107页 |
| 6.5 本章小结 | 第107-108页 |
| 第七章 结论与展望 | 第108-111页 |
| 7.1 主要研究结论 | 第108-109页 |
| 7.2 主要创新点 | 第109-110页 |
| 7.3 展望 | 第110-111页 |
| 参考文献 | 第111-128页 |
| 作者简介 | 第128-130页 |