| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 引言 | 第11-17页 |
| 1.1 研究目的及意义 | 第11-12页 |
| 1.2 作物营养诊断技术的国内外研究动态 | 第12-16页 |
| 1.2.1 传统氮素营养诊断技术 | 第12-14页 |
| 1.2.2 现代氮素营养诊断技术 | 第14-16页 |
| 1.3 本章小结 | 第16-17页 |
| 2 研究方法与技术路线 | 第17-25页 |
| 2.1 研究思路与技术路线 | 第17-18页 |
| 2.2 材料与方法 | 第18-19页 |
| 2.3 数字图像处理系统 | 第19-22页 |
| 2.3.1 数字图像处理系统的模型 | 第19-20页 |
| 2.3.2 本实验图像处理系统的结构 | 第20-22页 |
| 2.4 数据获取 | 第22-24页 |
| 2.4.1 光谱数据获取 | 第22页 |
| 2.4.2 玉米冠层氮含量数据获取 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 玉米多光谱图像预处理 | 第25-41页 |
| 3.1 玉米植株图像预处理 | 第26-32页 |
| 3.1.1 玉米植株多光谱图像 | 第26-29页 |
| 3.1.2 玉米植株图像平滑 | 第29-32页 |
| 3.2 玉米植株图像灰度直方图 | 第32-33页 |
| 3.3 玉米植株图像边缘提取 | 第33-36页 |
| 3.3.1 Sobel算子 | 第33-34页 |
| 3.3.2 拉普拉斯算子 | 第34页 |
| 3.3.3 Canny算子 | 第34-36页 |
| 3.4 玉米植株图像分割 | 第36-40页 |
| 3.4.1 迭代阈值分割 | 第36-37页 |
| 3.4.2 最大类间方差法 | 第37页 |
| 3.4.3 分水岭分割 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 玉米植株光谱特征值提取 | 第41-54页 |
| 4.1 不同氮素水平下玉米植株的多光谱图像 | 第41页 |
| 4.2 不同氮素水平下玉米植株的多光谱图像特征分析 | 第41-44页 |
| 4.3 试验结果 | 第44-53页 |
| 4.4 本章小结 | 第53-54页 |
| 5 不同氮素水平玉米植株分类 | 第54-71页 |
| 5.1 人工神经网络 | 第54-57页 |
| 5.1.1 人工神经元 | 第55页 |
| 5.1.2 神经网络的学习 | 第55-57页 |
| 5.2 BP神经网络 | 第57-65页 |
| 5.2.1 BP网络模型结构 | 第58-59页 |
| 5.2.2 玉米氮素营养诊断系统BP神经网络模型建立 | 第59-65页 |
| 5.3 BP神经网络验证 | 第65-70页 |
| 5.4 本章小结 | 第70-71页 |
| 6 玉米多光谱图像处理系统的实现 | 第71-75页 |
| 6.1 系统结构和功能 | 第71-72页 |
| 6.2 系统功能的实现过程 | 第72-74页 |
| 6.2.1 玉米图像输入 | 第72页 |
| 6.2.2 玉米图像中值滤波 | 第72-73页 |
| 6.2.3 玉米图像边缘提取 | 第73页 |
| 6.2.4 玉米图像分割 | 第73-74页 |
| 6.3 本章小结 | 第74-75页 |
| 7 结论与展望 | 第75-77页 |
| 7.1 结论 | 第75-76页 |
| 7.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 附录 | 第81-82页 |
| 攻读硕士学位期间发表的学术论文 | 第82页 |