基于图像处理技术的大田玉米苗期杂草识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 绪论 | 第8-9页 |
| 第一篇 文献综述 | 第9-15页 |
| 第一章 研究的背景和方法 | 第9-11页 |
| ·研究的背景 | 第9-10页 |
| ·研究方法及技术路线 | 第10-11页 |
| 第二章 国内外研究现状 | 第11-15页 |
| ·利用形状特征进行杂草识别 | 第11页 |
| ·利用颜色特征进行杂草识别 | 第11-12页 |
| ·利用纹理特征进行杂草识别 | 第12-13页 |
| ·利用光谱特征进行杂草识别 | 第13页 |
| ·利用多特征融合进行杂草识别 | 第13-15页 |
| 第二篇 研究内容 | 第15-50页 |
| 第一章 图像采集 | 第16-18页 |
| ·材料和方法 | 第16页 |
| ·结果 | 第16-17页 |
| ·讨论 | 第17页 |
| ·小结 | 第17-18页 |
| 第二章 图像处理 | 第18-32页 |
| ·图像灰度化 | 第18-21页 |
| ·图像灰度化 | 第21-24页 |
| ·图像去噪 | 第24-26页 |
| ·图像边缘检测 | 第26-32页 |
| 第三章 玉米和杂草的形状特征提取 | 第32-41页 |
| ·杂草识别常用的形状特征参数 | 第33-35页 |
| ·材料和方法 | 第35-37页 |
| ·结果 | 第37-38页 |
| ·讨论 | 第38-40页 |
| ·小结 | 第40-41页 |
| 第四章 基于BP神经网络的杂草识别 | 第41-50页 |
| ·人工神经网络概述 | 第41-43页 |
| ·BP神经网络的原理 | 第43-46页 |
| ·材料和方法 | 第46-48页 |
| ·结果 | 第48-49页 |
| ·讨论 | 第49页 |
| ·小结 | 第49-50页 |
| 结论 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 作者简介 | 第55-56页 |
| 致谢 | 第56页 |
