高光谱图像技术诊断黄瓜病害方法的研究
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 第一章 绪论 | 第10-19页 |
| ·研究的目的与意义 | 第10页 |
| ·黄瓜病害简介 | 第10-13页 |
| ·国内外研究现状及发展动态分析 | 第13-17页 |
| ·可见光图像技术在农业工程中的应用 | 第13-14页 |
| ·多光谱图像技术在农业工程中的应用 | 第14-15页 |
| ·高光谱图像技术在农业工程中的应用 | 第15-17页 |
| ·研究的主要内容 | 第17页 |
| ·研究的技术路线 | 第17-19页 |
| 第二章 高光谱图像处理 | 第19-30页 |
| ·图像识别概述 | 第19-22页 |
| ·图像识别系统 | 第19-20页 |
| ·图像处理 | 第20-21页 |
| ·识别结果输出 | 第21-22页 |
| ·高光谱图像基本原理 | 第22-24页 |
| ·高光谱图像采集系统 | 第22-23页 |
| ·高光谱图像的标定 | 第23-24页 |
| ·病害波谱分析 | 第24-25页 |
| ·主成分分析 | 第25-28页 |
| ·特征波长的选取 | 第28-30页 |
| 第三章 黄瓜病害特征图像的处理 | 第30-34页 |
| ·直方图均衡化 | 第30-31页 |
| ·滤波处理 | 第31-34页 |
| 第四章 特征提取与选择 | 第34-45页 |
| ·提取图像灰度统计量特征 | 第34-36页 |
| ·直方图特征的提取 | 第36-38页 |
| ·颜色特征的提取 | 第38-42页 |
| ·RGB色度系统 | 第39页 |
| ·HIS色度系统 | 第39-42页 |
| ·特征选择 | 第42-45页 |
| 第五章 黄瓜病害识别方法的研究 | 第45-60页 |
| ·模式识别概述 | 第45页 |
| ·BP神经网络 | 第45-49页 |
| ·BP神经网络概述 | 第45-46页 |
| ·BP神经网络结构模型 | 第46页 |
| ·BP神经网络算法 | 第46-47页 |
| ·各参数的选取 | 第47-49页 |
| ·支持向量机 | 第49-53页 |
| ·最优分类面 | 第50-52页 |
| ·广义最优分类面 | 第52页 |
| ·核函数 | 第52-53页 |
| ·识别结果与分析 | 第53-60页 |
| ·不同样本数的分析比较 | 第54-55页 |
| ·不同特征图像的分析比较 | 第55-57页 |
| ·不同特征参数的分析比较 | 第57-58页 |
| ·与BP神经网络进行的比较 | 第58-60页 |
| 第六章 结论与展望 | 第60-62页 |
| ·本研究主要工作 | 第60页 |
| ·进一步的研究及设想 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 攻读硕士学位期间发表的学术论文 | 第67页 |
