基于图像处理的动态农田杂草识别方法研究
| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 第一章 绪论 | 第7-13页 |
| 1.1 研究的目的及意义 | 第7-8页 |
| 1.2 国内外研究现状及存在问题 | 第8-11页 |
| 1.2.1 形状特征提取 | 第9页 |
| 1.2.2 颜色特征提取 | 第9-10页 |
| 1.2.3 纹理特征提取 | 第10页 |
| 1.2.4 多光谱特征提取 | 第10-11页 |
| 1.3 技术路线及研究方法 | 第11-13页 |
| 1.3.1 研究内容 | 第11页 |
| 1.3.2 本文结构安排 | 第11-13页 |
| 第二章 动态场景图像采集及抖动去噪 | 第13-21页 |
| 2.1 动态场景图像采集 | 第13-17页 |
| 2.1.1 动态作业场景分析 | 第14-15页 |
| 2.1.2 防抖方案选择 | 第15-17页 |
| 2.2 噪声处理 | 第17-21页 |
| 2.2.1 噪声类型 | 第17-19页 |
| 2.2.2 极值中值滤波法 | 第19-21页 |
| 第三章 基于粒子群优化算法的农田特征提取 | 第21-39页 |
| 3.1 图像灰度化 | 第21-22页 |
| 3.2 基于RM-PSO的颜色系数提取 | 第22-25页 |
| 3.2.1 颜色系数搜索 | 第22-23页 |
| 3.2.2 粒子群优化算法 | 第23-24页 |
| 3.2.3 粒子群反向变异策略 | 第24-25页 |
| 3.3 最优颜色系数提取 | 第25-27页 |
| 3.3.1 适应度函数构造 | 第25-26页 |
| 3.3.2 满意度函数构造 | 第26页 |
| 3.3.3 全局最优颜色系数提取 | 第26-27页 |
| 3.4 阈值图像分割 | 第27-32页 |
| 3.4.1 经典阈值分割方法 | 第27-30页 |
| 3.4.2 阈值分割算法改进 | 第30-32页 |
| 3.5 试验结果与分析 | 第32-39页 |
| 3.5.1 颜色系数提取实验及分析 | 第32-34页 |
| 3.5.2 图像处理结果分析 | 第34-37页 |
| 3.5.3 图像处理时间分析 | 第37-39页 |
| 第四章 杂草识别 | 第39-47页 |
| 4.1 垄线检测 | 第39-42页 |
| 4.1.1 基于霍夫变换的直线检测 | 第39-41页 |
| 4.1.2 基于随机霍夫变换直线检测 | 第41-42页 |
| 4.2 基于行宽的杂草识别方法 | 第42-45页 |
| 4.2.1 垄线区域填充 | 第42-43页 |
| 4.2.2 杂草信息分布 | 第43-44页 |
| 4.2.3 杂草信息分布系统 | 第44-45页 |
| 4.3 实验结果及分析 | 第45-47页 |
| 第五章 总结及展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 作者简介 | 第52-53页 |
| 致谢 | 第53页 |
