基于计算机视觉的植物自动识别方法研究
| 中文摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 引言 | 第8-12页 |
| ·数字图像处理的发展 | 第8页 |
| ·数字图像处理的基本方法 | 第8-10页 |
| ·计算机在植物识别方面的应用 | 第10页 |
| ·该课题目前国内外研究的现状 | 第10-11页 |
| ·该课题研究的意义 | 第11页 |
| ·该课题研究的目的 | 第11-12页 |
| 2 课题总体设计及实施方案 | 第12-14页 |
| ·研究的方法及步骤 | 第12页 |
| ·技术路线 | 第12页 |
| ·总体设计原理与方法 | 第12-14页 |
| 3 图像预处理 | 第14-32页 |
| ·图像的平滑滤波处理 | 第14-16页 |
| ·邻域平均法 | 第14-15页 |
| ·中值滤波 | 第15-16页 |
| ·图像分割 | 第16-23页 |
| ·图像分割简介 | 第16-17页 |
| ·图像灰度直方图分析 | 第17-18页 |
| ·阈值分割方法的选择与实现 | 第18-23页 |
| ·图像的边缘检测 | 第23-28页 |
| ·微分边缘算子 | 第23-25页 |
| ·基于小波分析的边缘检测方法 | 第25-27页 |
| ·基于形态学的边缘检测 | 第27页 |
| ·边缘检测算法比较 | 第27-28页 |
| ·图像增强 | 第28-32页 |
| ·直方图修正 | 第29-30页 |
| ·直方图均衡化 | 第30-32页 |
| 4 特征参数的提取 | 第32-44页 |
| ·周长 | 第32-33页 |
| ·面积 | 第33-34页 |
| ·像素计数面积 | 第33页 |
| ·由边界行程码或链码计算面积 | 第33-34页 |
| ·矩形度 | 第34页 |
| ·圆形度 | 第34-35页 |
| ·致密度C | 第34页 |
| ·边界能量E | 第34-35页 |
| ·圆形性 | 第35页 |
| ·面积与平均距离平方的比值 | 第35页 |
| ·球状性 | 第35-36页 |
| ·不变矩 | 第36-37页 |
| ·矩的定义 | 第36页 |
| ·质心坐标与中心距 | 第36-37页 |
| ·主轴 | 第37页 |
| ·不变矩组合 | 第37页 |
| ·偏心率 | 第37-38页 |
| ·平均向量 | 第38页 |
| ·j+k阶中心矩 | 第38页 |
| ·方向角 | 第38页 |
| ·偏心度的近似值 | 第38页 |
| ·外接矩形 | 第38-39页 |
| ·最佳拟合椭圆 | 第39页 |
| ·投影 | 第39页 |
| ·欧拉数与孔洞数 | 第39-40页 |
| ·形状签名 | 第40-41页 |
| ·凸包 | 第41页 |
| ·B样条表达 | 第41-42页 |
| ·弦分布 | 第42页 |
| ·曲率特征 | 第42-43页 |
| ·特征参数的选择 | 第43-44页 |
| 5 分类器的设计 | 第44-56页 |
| ·神经网络概述 | 第44页 |
| ·神经网络的学习 | 第44-45页 |
| ·人工神经网络的基本功能 | 第45-46页 |
| ·人工神经网络的结构及优点 | 第46-47页 |
| ·BP模型神经网络 | 第47-53页 |
| ·样本数据归一化 | 第49-50页 |
| ·输入、输出变量设计 | 第50页 |
| ·初始权值设计 | 第50-51页 |
| ·隐含节点数的选择 | 第51页 |
| ·学习率的确定 | 第51-52页 |
| ·动量因子的选取 | 第52页 |
| ·变激活函数的选取 | 第52页 |
| ·ε的选取 | 第52-53页 |
| ·BP神经网络设计方案 | 第53-56页 |
| 6 实验结果及分析 | 第56-58页 |
| ·软件开发工具 | 第56页 |
| ·系统设计与调试 | 第56-58页 |
| 7 结论与展望 | 第58-60页 |
| ·总结 | 第58页 |
| ·工作展望 | 第58-60页 |
| 参考文献 | 第60-62页 |
| 个人简介 | 第62-64页 |
| 导师简介 | 第64-66页 |
| 致谢 | 第66页 |
