基于图像处理的黄瓜细菌性角斑病的识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题研究的目的和意义 | 第9-10页 |
| ·国内外图像处理技术在农业工程中的研究现状 | 第10-12页 |
| ·数字图像处理技术在农产品质量检测领域的研究 | 第10-11页 |
| ·数字图像处理技术在农作物生长状态检测领域的研究 | 第11页 |
| ·数字图像处理技术在农作物病虫害识别领域的研究 | 第11-12页 |
| ·本文研究的主要内容与结构安排 | 第12-15页 |
| ·主要内容 | 第12页 |
| ·研究方案 | 第12-13页 |
| ·结构安排 | 第13-15页 |
| 2 黄瓜细菌性角斑病图像的预处理 | 第15-22页 |
| ·病害图像的采集 | 第15-16页 |
| ·黄瓜病斑识别研究流程 | 第16-17页 |
| ·黄瓜病斑图像的预处理 | 第17-22页 |
| ·病斑图像去噪 | 第18-22页 |
| 3 黄瓜病斑图像的特征提取与优化选择 | 第22-49页 |
| ·病斑图像颜色特征的提取 | 第22-26页 |
| ·常见颜色特征的提取方法 | 第22-24页 |
| ·黄瓜病斑的的颜色特征的提取 | 第24-26页 |
| ·病斑颜色特征的分析 | 第26页 |
| ·病斑图像纹理特征的提取 | 第26-31页 |
| ·病斑图像灰度化 | 第27-28页 |
| ·病斑图像的纹理增强 | 第28页 |
| ·病斑图像纹理特征提取 | 第28-31页 |
| ·病斑图像形状特征的提取 | 第31-45页 |
| ·常见的形状特征提取方法 | 第32-34页 |
| ·黄瓜病斑的检测 | 第34-42页 |
| ·黄瓜病斑区域的检测结果 | 第42页 |
| ·基于数学形态学的处理 | 第42-44页 |
| ·黄瓜病斑的的形状特征的提取 | 第44-45页 |
| ·病斑图像的特征选择 | 第45-49页 |
| ·基于遗传算法的特征优化选择 | 第46-47页 |
| ·病斑图像特征的优化选择 | 第47-49页 |
| 4 黄瓜病斑的识别 | 第49-58页 |
| ·常用的模式识别方法 | 第49-50页 |
| ·统计模式识别 | 第49页 |
| ·模糊模式识别 | 第49页 |
| ·神经网络模式识别 | 第49-50页 |
| ·BP 神经网络 | 第50-54页 |
| ·神经元功能模型 | 第50-51页 |
| ·BP 神经网络结构与算法 | 第51-54页 |
| ·病斑识别的 BP 神经网络识别 | 第54-58页 |
| ·病斑识别的神经网络建立 | 第55页 |
| ·病斑识别的神经网络训练 | 第55-56页 |
| ·病斑的识别结果与分析 | 第56-58页 |
| 5 结论与展望 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 攻读硕士学位期间发表学术论文情况 | 第62-63页 |
| 致谢 | 第63-64页 |
