黄土高原苹果叶面病害图像识别方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 国内外作物叶面病害图像识别研究现状 | 第11-14页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.2.3 存在的问题 | 第13-14页 |
| 1.3 主要研究内容及技术路线 | 第14-15页 |
| 1.3.1 研究内容 | 第14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 论文的结构 | 第15-17页 |
| 第二章 复杂背景下苹果叶面病害图像预处理 | 第17-28页 |
| 2.1 实验材料获取 | 第17-18页 |
| 2.1.1 实验材料的采集 | 第17页 |
| 2.1.2 苹果病害图像特点 | 第17-18页 |
| 2.2 灰度变换 | 第18-19页 |
| 2.3 图像增强处理 | 第19-21页 |
| 2.3.1 图像去噪 | 第19-20页 |
| 2.3.2 直方图均衡化 | 第20-21页 |
| 2.4 图像分割方法 | 第21-27页 |
| 2.4.1 消除光照的影响 | 第22-23页 |
| 2.4.2 基于颜色空间的K均值聚类分割 | 第23-25页 |
| 2.4.3 基于改进的最大类间方差法的病斑分割 | 第25-27页 |
| 2.5 预处理结果分析 | 第27页 |
| 2.6 本章小结 | 第27-28页 |
| 第三章 苹果叶面病害有效特征提取 | 第28-36页 |
| 3.1 颜色特征提取 | 第28-31页 |
| 3.1.1 颜色模型的选择 | 第28-29页 |
| 3.1.2 颜色特征提取方法 | 第29-30页 |
| 3.1.3 实验及分析 | 第30-31页 |
| 3.2 形状特征提取 | 第31-34页 |
| 3.2.1 形状特征描述方法 | 第31-32页 |
| 3.2.2 Hu不变矩特征提取 | 第32-33页 |
| 3.2.3 实验及分析 | 第33-34页 |
| 3.3 纹理特征提取 | 第34-35页 |
| 3.3.1 灰度共生矩阵 | 第34-35页 |
| 3.3.2 实验及分析 | 第35页 |
| 3.4 本章小结 | 第35-36页 |
| 第四章 基于支持向量机的苹果叶面病害识别方法 | 第36-45页 |
| 4.1 模式识别方法 | 第36-37页 |
| 4.1.1 图像模式识别流程 | 第36页 |
| 4.1.2 模式识别方法对比 | 第36-37页 |
| 4.2 支持向量机分类模型 | 第37-38页 |
| 4.2.1 线性可分情况 | 第37-38页 |
| 4.2.2 非线性可分情况 | 第38页 |
| 4.2.3 核函数 | 第38页 |
| 4.3 支持向量机多分类策略 | 第38-40页 |
| 4.3.1 多分类策略 | 第38-39页 |
| 4.3.2 基于一对一策略的苹果叶面病害分类研究 | 第39-40页 |
| 4.4 实验及结果分析 | 第40-43页 |
| 4.4.1 颜色特征识别 | 第41页 |
| 4.4.2 形状特征识别 | 第41-42页 |
| 4.4.3 纹理特征识别 | 第42-43页 |
| 4.4.4 颜色、形状和纹理相结合识别 | 第43页 |
| 4.5 本章小结 | 第43-45页 |
| 第五章 苹果叶面病害识别系统设计 | 第45-50页 |
| 5.1 系统结构设计 | 第45页 |
| 5.2 系统开发环境 | 第45-46页 |
| 5.2.1 硬件环境 | 第45-46页 |
| 5.2.2 软件环境 | 第46页 |
| 5.3 系统主要功能 | 第46-47页 |
| 5.4 系统运行与测试 | 第47-49页 |
| 5.5 本章小结 | 第49-50页 |
| 第六章 总结与展望 | 第50-52页 |
| 6.1 总结 | 第50-51页 |
| 6.2 展望 | 第51-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 作者简介 | 第56页 |
