| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 国内外研究动态 | 第9-10页 |
| 1.3 发育期观测规定及玉米发育期观测标准 | 第10-11页 |
| 1.3.1 发育期观测的一般规定 | 第10页 |
| 1.3.2 玉米发育期观测标准 | 第10-11页 |
| 1.4 玉米发育期识别的难点 | 第11-12页 |
| 1.5 本文主要研究内容 | 第12页 |
| 1.6 本文组织结构 | 第12-14页 |
| 第二章 玉米出苗期自动检测算法 | 第14-26页 |
| 2.1 玉米出苗期图像特点分析 | 第14-15页 |
| 2.2 玉米出苗期图像增强算法 | 第15-22页 |
| 2.2.1 眼睛及视网膜结构介绍 | 第15-18页 |
| 2.2.2 基于视觉模型的图像增强算法 | 第18-22页 |
| 2.3 玉米出苗期图像分割算法 | 第22-24页 |
| 2.4 玉米出苗期判定方法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 玉米三叶期、七叶期自动检测算法 | 第26-37页 |
| 3.1 玉米三叶期、七叶期图像特性分析 | 第26页 |
| 3.2 玉米苗识别方法 | 第26-34页 |
| 3.2.1 本文提出的玉米苗图像增强方法 | 第26-27页 |
| 3.2.2 去相关拉伸变换图像增强方法 | 第27-28页 |
| 3.2.3 玉米苗图像分割方法 | 第28-34页 |
| 3.3 玉米三叶期判定方法 | 第34-35页 |
| 3.4 玉米七叶期判定方法 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 玉米抽雄期自动检测算法 | 第37-48页 |
| 4.1 利用形状特征识别玉米雄穗 | 第37-40页 |
| 4.2 利用颜色特征识别玉米雄穗 | 第40-46页 |
| 4.2.1 玉米雄穗图像增强算法 | 第41-44页 |
| 4.2.2 改进Kmeans算法 | 第44-45页 |
| 4.2.3 玉米雄穗分割方法 | 第45-46页 |
| 4.3 玉米抽雄期判定方法 | 第46-47页 |
| 4.4 本章小结 | 第47-48页 |
| 第五章 玉米发育期观测标准及其自动检测系统 | 第48-55页 |
| 5.1 计算机视觉技术及玉米发育期自动检测系统介绍 | 第48-49页 |
| 5.1.1 计算机视觉技术介绍 | 第48页 |
| 5.1.2 玉米发育期自动检测系统 | 第48-49页 |
| 5.2 玉米发育期识别软件系统介绍及对比实验结果分析 | 第49-54页 |
| 5.2.1 玉米发育期识别软件系统介绍 | 第49-50页 |
| 5.2.2 对比实验结果分析 | 第50-54页 |
| 5.3 本章小结 | 第54-55页 |
| 总结与展望 | 第55-57页 |
| 本文主要研究内容 | 第55-56页 |
| 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第61页 |