| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-17页 |
| 1.1 选题背景与研究意义 | 第13-14页 |
| 1.1.1 选题背景 | 第13页 |
| 1.1.2 研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-15页 |
| 1.3 本论文的主要内容和课题来源 | 第15-16页 |
| 1.3.1 本文的主要内容 | 第15-16页 |
| 1.3.2 课题来源 | 第16页 |
| 1.4 本章小结 | 第16-17页 |
| 第二章 图像分割方法 | 第17-23页 |
| 2.1 图像获取 | 第17页 |
| 2.2 图像分割的主要方法 | 第17-20页 |
| 2.2.1 阈值分割方法 | 第17-18页 |
| 2.2.2 边缘检测分割方法 | 第18-19页 |
| 2.2.3 分水岭分割方法 | 第19页 |
| 2.2.4 其他图像分割方法 | 第19-20页 |
| 2.3 田间图像的Indices图像分割方法 | 第20-21页 |
| 2.4 图像分割方法评估 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 基于主成分分析的In-Elman分割方法 | 第23-44页 |
| 3.1 主成分分析方法 | 第23-33页 |
| 3.1.1 主成分分析的原理 | 第23-24页 |
| 3.1.2 主成分分析的实现 | 第24-26页 |
| 3.1.3 主成分分析结果 | 第26-33页 |
| 3.2 Elman神经网络原理及实现 | 第33-41页 |
| 3.2.1 Elman神经网络原理简介 | 第33-36页 |
| 3.2.2 Elman神经网络的学习方法选择 | 第36-37页 |
| 3.2.3 Elman神经网络的实现 | 第37-41页 |
| 3.3 In-Elman神经网络与Indices分割算法比较 | 第41-43页 |
| 3.4 本章小结 | 第43-44页 |
| 第四章 基于Lab颜色空间的Elman分割方法 | 第44-58页 |
| 4.1 颜色空间综述 | 第44-45页 |
| 4.1.1 RGB颜色空间 | 第44页 |
| 4.1.2 Lab空间 | 第44-45页 |
| 4.2 RGB空间值转换为Lab空间并分析 | 第45-51页 |
| 4.2.1 实现过程 | 第46-48页 |
| 4.2.2 结果和结论 | 第48-51页 |
| 4.3 形态学介绍 | 第51-53页 |
| 4.3.1 腐蚀 | 第52页 |
| 4.3.2 膨胀 | 第52-53页 |
| 4.4 RGB空间和Lab空间分割及评估 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 彩色图像的纹理提取 | 第58-70页 |
| 5.1 差分纹理提取 | 第58-60页 |
| 5.2 提取纹理特征分量 | 第60-61页 |
| 5.3 纹理特征分量分析 | 第61-65页 |
| 5.3.1 对比度分析 | 第61-63页 |
| 5.3.2 角度方向二阶矩分析 | 第63-64页 |
| 5.3.3 熵的分析 | 第64-65页 |
| 5.3.4 平均值的分析 | 第65页 |
| 5.4 分割结果比较 | 第65-67页 |
| 5.5 实验结果讨论与结论 | 第67-69页 |
| 5.6 本章小结 | 第69-70页 |
| 第六章 结论与展望 | 第70-72页 |
| 6.1 工作总结 | 第70页 |
| 6.2 工作展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 致谢 | 第76页 |