| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题的研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13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 |
| 1.3 研究内容与技术路线 | 第13-15页 |
| 1.3.1 研究内容 | 第13-14页 |
| 1.3.2 技术路线 | 第14-15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 系统的建立与图像采集 | 第16-20页 |
| 2.1 数字图像处理概述 | 第16页 |
| 2.2 数字图像处理系统构成 | 第16-17页 |
| 2.2.1 硬件系统 | 第16-17页 |
| 2.2.2 软件系统 | 第17页 |
| 2.3 图像采集 | 第17-19页 |
| 2.3.1 图像获取设备选择 | 第18页 |
| 2.3.2 背景的选择 | 第18-19页 |
| 2.4 本章小结 | 第19-20页 |
| 3 图像预处理 | 第20-28页 |
| 3.1 格式转换 | 第20-22页 |
| 3.2 图像灰度化 | 第22-23页 |
| 3.3 图像直方图 | 第23页 |
| 3.4 图像平滑 | 第23-25页 |
| 3.4.1 邻域平均法 | 第24页 |
| 3.4.2 中值滤波 | 第24-25页 |
| 3.5 直方图均衡化 | 第25-26页 |
| 3.6 本章小结 | 第26-28页 |
| 4 图像的分割与形态学处理 | 第28-36页 |
| 4.1 图像的分割 | 第28-33页 |
| 4.1.1 阈值分割 | 第28-31页 |
| 4.1.2 基于区域分割 | 第31-32页 |
| 4.1.3 基于边缘检测分割 | 第32-33页 |
| 4.2 数学形态学处理 | 第33-35页 |
| 4.2.1 数学形态学概述 | 第33-34页 |
| 4.2.2 数学形态学基本运算 | 第34-35页 |
| 4.3 本章小结 | 第35-36页 |
| 5 病害图像特征提取 | 第36-43页 |
| 5.1 颜色特征 | 第36-40页 |
| 5.1.1 RGB 颜色模型 | 第37页 |
| 5.1.2 HSI 颜色模型 | 第37-38页 |
| 5.1.3 颜色特征参量 | 第38-40页 |
| 5.1.4 颜色特征结果分析 | 第40页 |
| 5.2 形状特征 | 第40-42页 |
| 5.2.1 形状特征参量 | 第40-41页 |
| 5.2.2 形状特征结果分析 | 第41-42页 |
| 5.3 本章小结 | 第42-43页 |
| 6 病害图像模式识别 | 第43-50页 |
| 6.1 模式识别概述 | 第43-44页 |
| 6.2 人工神经网络 | 第44-45页 |
| 6.3 BP 神经网络模型 | 第45-46页 |
| 6.4 基于 BP 神经网络的玉米叶部病害识别设计 | 第46-48页 |
| 6.4.1 输入层与输出层 | 第46-47页 |
| 6.4.2 隐层 | 第47页 |
| 6.4.3 设置训练参数 | 第47-48页 |
| 6.5 试验结果与分析 | 第48-50页 |
| 7 系统的设计与实现 | 第50-56页 |
| 7.1 开发环境 | 第50页 |
| 7.2 系统的设计 | 第50-52页 |
| 7.3 系统实现部分界面 | 第52-55页 |
| 7.4 本章小结 | 第55-56页 |
| 8 结论与展望 | 第56-57页 |
| 8.1 结论 | 第56页 |
| 8.2 展望 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 攻读学位期间发表论文情况 | 第61页 |