摘要 | 第1-6页 |
Abstract | 第6-8页 |
缩略词表 | 第8-9页 |
目录 | 第9-13页 |
第一章 绪论 | 第13-23页 |
·研究的背景和意义 | 第13-15页 |
·数字图像技术在农业领域的应用 | 第15-20页 |
·监测农作物生长 | 第15-16页 |
·诊断农作物营养元素 | 第16-17页 |
·检测与识别农作物种子 | 第17-18页 |
·实现农产品收获自动化 | 第18-19页 |
·农产品检测与分级 | 第19-20页 |
·文章的结构和研究的技术路线 | 第20-23页 |
·文章的结构安排 | 第20-22页 |
·研究的技术路线 | 第22-23页 |
第二章 材料与方法 | 第23-32页 |
·田间供试材料 | 第23页 |
·盆栽试验设计 | 第23-24页 |
·图像获取和处理的软、硬件 | 第24-27页 |
·图像获取装置 | 第24-25页 |
·数码相机 | 第25-26页 |
·计算机硬件 | 第26页 |
·图像处理软件 | 第26-27页 |
·测定项目和方法 | 第27-30页 |
·待测叶片样品的获取 | 第27页 |
·叶片SPAD值测定 | 第27-28页 |
·叶片图像的拍摄方法 | 第28-29页 |
·叶片的全氮、全磷、全钾测定 | 第29-30页 |
·数据分析软件 | 第30-31页 |
·小结 | 第31-32页 |
第三章 苎麻叶片图像的预处理和分割 | 第32-45页 |
·图像的变换 | 第32-34页 |
·图像的几何变换 | 第32-33页 |
·彩色图像的灰度变换 | 第33页 |
·图像的二值变换 | 第33-34页 |
·图像的增强 | 第34-37页 |
·邻域平均滤波 | 第34-35页 |
·中值滤波 | 第35-36页 |
·本研究的滤波方法 | 第36-37页 |
·图像的分割 | 第37-44页 |
·边缘检测 | 第37-38页 |
·基于阈值的分割 | 第38页 |
·本研究的分割方法 | 第38-44页 |
·小结 | 第44-45页 |
第四章 苎麻叶片图像的特征值提取 | 第45-56页 |
·颜色模型 | 第45-48页 |
·RGB颜色模型 | 第45-47页 |
·HSI颜色模型 | 第47页 |
·HSV颜色模型 | 第47-48页 |
·颜色模型的转换 | 第48-49页 |
·RGB模型转HSI模型 | 第48-49页 |
·RGB模型转HSV模型 | 第49页 |
·本研究提取的颜色特征 | 第49-50页 |
·形态特征的提取 | 第50-53页 |
·叶面积计算 | 第50-51页 |
·叶周长计算 | 第51页 |
·叶长与叶宽计算 | 第51-53页 |
·特征值提取步骤 | 第53-54页 |
·几何变换对特征值的影响 | 第54-55页 |
·小结 | 第55-56页 |
第五章 苎麻叶片信息与氮素含量的关系 | 第56-70页 |
·不同施氮水平对苎麻叶片全氮、全磷、全钾营养含量的影响 | 第56-57页 |
·不同施氮水平下苎麻叶片图像R、G、B颜色特征值的比较 | 第57-58页 |
·苎麻叶片SPAD值与全氮营养含量的关系 | 第58-61页 |
·苎麻叶片SPAD值与全氮含量的相关性 | 第58-59页 |
·不同生育时期苎麻叶片全氮含量与SPAD值的回归模型 | 第59-60页 |
·模型检验 | 第60-61页 |
·苎麻叶片图像颜色特征值与全氮营养含量的关系 | 第61-69页 |
·苎麻叶片图像颜色特征值与全氮含量的相关性 | 第62页 |
·苎麻叶片全氮含量与颜色特征值的回归模型 | 第62-63页 |
·不同生育时期苎麻叶片图像颜色特征值与全氮含量的相关性 | 第63-65页 |
·不同生育时期苎麻叶片全氮含量与颜色特征的回归模型 | 第65-68页 |
·模型检验 | 第68-69页 |
·小结 | 第69-70页 |
第六章 苎麻叶片图像处理系统的实现 | 第70-82页 |
·系统开发环境和工具 | 第70-71页 |
·MATLAB简介 | 第70页 |
·MATLAB的优势 | 第70-71页 |
·系统主要功能 | 第71-72页 |
·系统界面 | 第72-74页 |
·系统实现 | 第74-78页 |
·系统操作 | 第78-81页 |
·小结 | 第81-82页 |
第七章 结论与展望 | 第82-89页 |
·讨论与结论 | 第82-87页 |
·讨论 | 第82-85页 |
·结论 | 第85-87页 |
·展望 | 第87-89页 |
参考文献 | 第89-93页 |
致谢 | 第93-94页 |
在读期间发表的论文 | 第94页 |