| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-24页 |
| 1.1 选题目的与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-20页 |
| 1.2.1 农作物病害图像分割技术研究现状 | 第13-16页 |
| 1.2.2 农作物病害图像特征提取技术研究现状 | 第16-18页 |
| 1.2.3 农作物病害图像识别技术研究现状 | 第18-19页 |
| 1.2.4 农作物病害图像识别技术迫切需要解决的关键问题 | 第19-20页 |
| 1.3 研究内容 | 第20页 |
| 1.4 技术路线和研究方案 | 第20-22页 |
| 1.4.1 研究方案 | 第20-21页 |
| 1.4.2 技术路线 | 第21-22页 |
| 1.5 论文的结构 | 第22-24页 |
| 第2章 小麦叶部病斑图像分割 | 第24-62页 |
| 2.1 图像获取 | 第24-27页 |
| 2.1.1 研究对象的主要病害 | 第24-26页 |
| 2.1.2 图像获取 | 第26-27页 |
| 2.2 传统彩色图像分割方法 | 第27-29页 |
| 2.3 基于线性判别分析和K均值聚类的小麦叶部病斑彩色图像分割 | 第29-44页 |
| 2.3.1 颜色模型分析 | 第29-32页 |
| 2.3.2 LDA算法和K-means算法原理 | 第32-35页 |
| 2.3.3 基于LDA和K-means的小麦叶部病斑图像分割 | 第35-44页 |
| 2.4 基于多通道融合的高斯混合模型小麦叶部病斑彩色图像分割 | 第44-60页 |
| 2.4.1 高斯混合模型 | 第44-46页 |
| 2.4.2 基于多通道融合的高斯混合模型分割算法思想 | 第46页 |
| 2.4.3 基于多通道融合的高斯混合模型分割算法实现过程 | 第46-53页 |
| 2.4.4 基于多通道融合的高斯混合模型分割算法试验结果与分析 | 第53-60页 |
| 2.5 本文分割方法用于白粉病的试验结果与分析 | 第60页 |
| 2.6 本章小结 | 第60-62页 |
| 第3章 小麦叶部病害图像的特征提取与优选 | 第62-92页 |
| 3.1 颜色特征提取 | 第62-70页 |
| 3.1.1 颜色模型选择 | 第62-63页 |
| 3.1.2 颜色特征提取方法选取 | 第63-64页 |
| 3.1.3 基于颜色矩的特征提取及分析 | 第64-66页 |
| 3.1.4 基于PCA的多通道选择的颜色特征提取 | 第66-68页 |
| 3.1.5 基于LDA的多通道映射的颜色特征提取 | 第68-70页 |
| 3.2 纹理特征提取 | 第70-83页 |
| 3.2.1 纹理特征提取方法选取 | 第71-72页 |
| 3.2.2 灰度共生矩阵纹理特征提取方法 | 第72-78页 |
| 3.2.3 小波特征 | 第78-83页 |
| 3.3 形状特征提取 | 第83-88页 |
| 3.3.1 几何形状特征提取 | 第84-87页 |
| 3.3.2 不变矩形状特征 | 第87-88页 |
| 3.4 有效特征提取及分析 | 第88-90页 |
| 3.5 本章小结 | 第90-92页 |
| 第4章 小麦叶部病害识别方法研究 | 第92-113页 |
| 4.1 小麦叶部病害图像模式识别方法的选取 | 第92-94页 |
| 4.2 基于BP网络的小麦叶部病害识别 | 第94-101页 |
| 4.2.1 BP网络算法原理 | 第94-96页 |
| 4.2.2 小麦叶部病害识别BP网络设计 | 第96-97页 |
| 4.2.3 网络训练及测试 | 第97-98页 |
| 4.2.4 试验结果及分析 | 第98-101页 |
| 4.3 基于支持向量机的小麦病害识别 | 第101-106页 |
| 4.3.1 支持向量机SVM算法原理 | 第101-103页 |
| 4.3.2 基于支持向量机的小麦叶部病害识别 | 第103-106页 |
| 4.3.3 试验结果及分析 | 第106页 |
| 4.4 基于随机森林的小麦病害识别 | 第106-110页 |
| 4.4.1 随机森林算法原理 | 第106-107页 |
| 4.4.2 小麦叶部病害随机森林识别模型设计 | 第107-109页 |
| 4.4.3 随机森林构建及测试 | 第109页 |
| 4.4.4 试验结果及分析 | 第109-110页 |
| 4.5 小麦叶部病害识别模型性能分析 | 第110-111页 |
| 4.6 本章小结 | 第111-113页 |
| 第5章 结论与展望 | 第113-116页 |
| 5.1 结论 | 第113-114页 |
| 5.2 展望 | 第114-116页 |
| 参考文献 | 第116-123页 |
| 致谢 | 第123-124页 |
| 作者简介 | 第124页 |
