基于DSP的水稻杂草识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·研究目的与意义 | 第11-12页 |
| ·国内外研究进展 | 第12-16页 |
| ·基于机器视觉的农田杂草识别系统研究进展 | 第12-13页 |
| ·基于图像的农田杂草识别算法研究进展 | 第13-16页 |
| ·研究内容与技术路线 | 第16-18页 |
| ·研究内容 | 第16-17页 |
| ·技术路线 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第二章 基于DSP的水稻杂草识别系统设计 | 第19-32页 |
| ·DSP概述 | 第19-20页 |
| ·DSP水稻杂草识别系统硬件设计 | 第20-25页 |
| ·系统硬件平台总体结构 | 第21-22页 |
| ·图像采集 | 第22-23页 |
| ·系统视频端口 | 第23-24页 |
| ·图像显示 | 第24-25页 |
| ·DSP水稻杂草识别系统软件设计 | 第25-31页 |
| ·集成开发环境CCS简介 | 第25-27页 |
| ·系统软件设计 | 第27-28页 |
| ·系统初始化模块 | 第28-29页 |
| ·图像采集和存储模块 | 第29-30页 |
| ·图像处理模块 | 第30页 |
| ·图像显示模块 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 基于DSP的水稻杂草识别算法研究 | 第32-47页 |
| ·图像预处理 | 第32-35页 |
| ·颜色空间模型 | 第32-33页 |
| ·图像去噪的常用方法 | 第33-34页 |
| ·水稻杂草图像去噪 | 第34-35页 |
| ·图像分割 | 第35-46页 |
| ·图像感兴趣区域颜色测定与分析 | 第36-39页 |
| ·图像分割的定义与分类 | 第39-40页 |
| ·直方图双峰法 | 第40页 |
| ·自适应闽值分割法 | 第40-42页 |
| ·水稻田间背景分割 | 第42页 |
| ·水稻杂草分割 | 第42-44页 |
| ·杂草区域标记与面积计算 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第四章 基于图像的水稻杂草种类识别研究 | 第47-70页 |
| ·水稻杂草特征提取 | 第47-60页 |
| ·颜色特征 | 第47-50页 |
| ·形态特征 | 第50-54页 |
| ·纹理特征 | 第54-59页 |
| ·特征参数优化分析 | 第59-60页 |
| ·水稻杂草种类识别 | 第60-68页 |
| ·模式识别方法 | 第61-68页 |
| ·水稻杂草种类识别 | 第68页 |
| ·本章小结 | 第68-70页 |
| 第五章 系统测试结果与分析 | 第70-79页 |
| ·基于DSP的水稻杂草识别系统 | 第70页 |
| ·基于DSP的杂草分割效果测试与分析 | 第70-73页 |
| ·图像采集与预处理 | 第70-71页 |
| ·水稻田间背景分割 | 第71页 |
| ·图像灰度化与二值化 | 第71-72页 |
| ·杂草区域分割 | 第72页 |
| ·杂草区域标记与面积统计 | 第72-73页 |
| ·水稻杂草种类识别结果与分析 | 第73-77页 |
| ·贝叶斯分类识别结果与分析 | 第74-75页 |
| ·支持向量机识别结果与分析 | 第75-76页 |
| ·神经网络识别结果与分析 | 第76-77页 |
| ·本章小结 | 第77-79页 |
| 第六章 结论与展望 | 第79-81页 |
| ·总结 | 第79-80页 |
| ·展望 | 第80-81页 |
| 参考文献 | 第81-87页 |
| 致谢 | 第87-88页 |
| 攻读硕士学位期间所取得的相关科研成果 | 第88页 |
