农作物病害图像处理系统
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题背景及研究意义 | 第11-14页 |
| ·课题背景 | 第11-13页 |
| ·研究的意义 | 第13-14页 |
| ·国内外研究现状及发展动态 | 第14-16页 |
| ·课题研究主要内容 | 第16-18页 |
| ·病害图像的采集 | 第16页 |
| ·病害图像的预处理 | 第16页 |
| ·病害图像的分割 | 第16-17页 |
| ·病害诊断模型的建立 | 第17-18页 |
| 第2章 农作物病害图像的采集和预处理 | 第18-32页 |
| ·病害图像数据的采集 | 第18-19页 |
| ·数字图像基础 | 第19-25页 |
| ·位图文件存储格式 | 第19-21页 |
| ·BMP 文件格式 | 第21-23页 |
| ·颜色空间 | 第23-25页 |
| ·农作物病害图像的去噪和增强处理 | 第25-32页 |
| ·传统图像增强方法的分析 | 第25-30页 |
| ·基于矢量中值滤波的图像增强 | 第30-32页 |
| 第3章 农作物病害图像分割技术的研究与实现 | 第32-51页 |
| ·图像分割技术简介 | 第32-40页 |
| ·直方图阈值分割 | 第32-36页 |
| ·基于区域的图像分割方法 | 第36-37页 |
| ·基于边缘的图像分割方法 | 第37-39页 |
| ·基于模糊集理论的分割方法 | 第39-40页 |
| ·基于数学形态学的方法 | 第40页 |
| ·基于模糊集理论的病害图像边缘检测方法 | 第40-43页 |
| ·Pal 模糊边缘检测算法的过程 | 第40-41页 |
| ·改进的模糊边缘检测算法 | 第41-42页 |
| ·试验结果及分析 | 第42-43页 |
| ·基于统计模式识别的病害图像分割方法 | 第43-47页 |
| ·特征提取和选择 | 第43-44页 |
| ·分类器的设计 | 第44-47页 |
| ·试验结果及其分析 | 第47页 |
| ·数学形态学在分割图像后续处理中的应用 | 第47-51页 |
| ·数字形态学简介 | 第47-49页 |
| ·对病叶图像分割后进一步处理的研究 | 第49-51页 |
| 第4章 基于人工神经网络的病害诊断模型的研究 | 第51-67页 |
| ·作物病斑特征值提取 | 第51-55页 |
| ·农作物病害叶部病斑的形状特征 | 第51-52页 |
| ·特征定义 | 第52-54页 |
| ·特征提取方法 | 第54-55页 |
| ·人工神经网络模型 | 第55-63页 |
| ·概述 | 第55-56页 |
| ·神经网络基本机理 | 第56-58页 |
| ·人工神经网络分类 | 第58-59页 |
| ·人工神经网络的拓扑结构 | 第59-60页 |
| ·反向传播BP 模型 | 第60-63页 |
| ·基于BP 模型的作物病害诊断网络设计 | 第63-65页 |
| ·输入输出变量设计 | 第63页 |
| ·初始权值设计 | 第63-64页 |
| ·隐含节点数的选择 | 第64-65页 |
| ·人工神经网络结构 | 第65页 |
| ·结果分析 | 第65-67页 |
| 第5章 系统设计与实现 | 第67-69页 |
| ·硬件组成 | 第67页 |
| ·系统实现 | 第67-69页 |
| 结论 | 第69-71页 |
| 一.总结 | 第69页 |
| 二.展望 | 第69-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第76-77页 |
| 致谢 | 第77-78页 |
| 详细摘要 | 第78-86页 |
