| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第13-27页 |
| 1.1 研究背景与意义 | 第13-14页 |
| 1.2 研究现状与发展 | 第14-24页 |
| 1.2.1 小麦赤霉病检测的研究进展 | 第14-17页 |
| 1.2.2 高光谱成像技术的研究进展 | 第17-23页 |
| 1.2.3 高光谱成像在小麦检测上的研究现状 | 第23-24页 |
| 1.3 本文主要研究内容 | 第24-27页 |
| 第二章 支持向量机的理论基础 | 第27-37页 |
| 2.1 机器学习与统计学习理论基础 | 第27-31页 |
| 2.1.1 机器学习问题表述 | 第27-28页 |
| 2.1.2 学习过程的一致性与经验风险最小化准则 | 第28-29页 |
| 2.1.3 VC维 | 第29页 |
| 2.1.4 结构风险最小化准则 | 第29-31页 |
| 2.2 支持向量机理论 | 第31-35页 |
| 2.2.1 最优分类超平面 | 第31-33页 |
| 2.2.2 核函数与Mercer条件 | 第33-34页 |
| 2.2.3 支持向量机的特点 | 第34-35页 |
| 2.3 本章小结 | 第35-37页 |
| 第三章 小麦赤霉病籽粒高光谱图像预处理技术研究 | 第37-55页 |
| 3.1 高光谱成像系统 | 第37-40页 |
| 3.1.1 便携式高光谱成像仪 | 第37-38页 |
| 3.1.2 其他设备 | 第38-39页 |
| 3.1.3 高光谱图像采集 | 第39-40页 |
| 3.2 数据处理与分析 | 第40-46页 |
| 3.2.1 光谱反射率标准化 | 第40-42页 |
| 3.2.2 空间图像分割 | 第42-44页 |
| 3.2.3 光谱反射率分析 | 第44-46页 |
| 3.3 光谱预处理算法 | 第46-49页 |
| 3.3.1 平滑处理 | 第46-47页 |
| 3.3.2 多元散射校正 | 第47页 |
| 3.3.3 变量标准化校正算法 | 第47-49页 |
| 3.4 特征波段选择方法 | 第49-54页 |
| 3.4.1 主成分分析法 | 第50-52页 |
| 3.4.2 连续投影法 | 第52-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第四章 小麦赤霉病高光谱特征组合式识别模型建立及验证 | 第55-69页 |
| 4.1 高光谱分类技术概述 | 第55-57页 |
| 4.1.1 高光谱分类方法 | 第55-56页 |
| 4.1.2 分类精度评价指标 | 第56-57页 |
| 4.2 小麦赤霉病特征信息多循环提取技术及特征识别模型验证与研究 | 第57-63页 |
| 4.2.1 基于k-means分类的多循环光谱提取技术 | 第58-59页 |
| 4.2.2 基于PCA特征空间的赤霉病小麦识别 | 第59-61页 |
| 4.2.3 基于SPA特征空间的赤霉病小麦识别 | 第61-63页 |
| 4.3 小麦赤霉病高光谱特征组合式识别模型建立及验证 | 第63-68页 |
| 4.3.1 基于MSC的二次SVM识别方法 | 第63-65页 |
| 4.3.2 综合两种特征空间的组合式SVM识别方法 | 第65-67页 |
| 4.3.3 识别结果可视化 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-73页 |
| 5.1 总结 | 第69-70页 |
| 5.2 展望 | 第70-73页 |
| 参考文献 | 第73-79页 |
| 致谢 | 第79-81页 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 | 第81页 |
