田间杂草多光谱图像识别技术与方法研究
摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-21页 |
·课题的研究目的与意义 | 第12-13页 |
·国内外研究现状及存在的问题 | 第13-16页 |
·计算机图像识别法 | 第14-15页 |
·光谱分析法 | 第15-16页 |
·主要存在问题 | 第16页 |
·研究内容 | 第16-17页 |
·研究方法与技术路线 | 第17-18页 |
·具体研究方案 | 第18-20页 |
·论文组织结构 | 第20-21页 |
第二章 试验装置及图像获取 | 第21-28页 |
·多光谱视觉杂草识别的理论基础 | 第21-22页 |
·绿色植物光谱特性 | 第21-22页 |
·多光谱视觉技术特点 | 第22页 |
·田间图像获取装置 | 第22-25页 |
·移动小车 | 第23页 |
·多光谱视觉系统 | 第23-24页 |
·便携式移动计算机 | 第24页 |
·电源装置 | 第24-25页 |
·图像获取 | 第25-27页 |
·田间杂草及特性 | 第25页 |
·图像获取方法 | 第25-27页 |
·本章小结 | 第27-28页 |
第三章 杂草与作物图像处理 | 第28-37页 |
·背景土壤的分割 | 第28-33页 |
·土壤和植物特征分析 | 第28-29页 |
·分割方法 | 第29-31页 |
·分割结果及分析 | 第31-33页 |
·杂草叶片的获取 | 第33-35页 |
·数学形态学处理 | 第33页 |
·植物茎杆的消除 | 第33-34页 |
·粘连和交叠叶片的分离 | 第34-35页 |
·分割图像的后续处理 | 第35-36页 |
·区域标记算法 | 第35-36页 |
·轮廓提取与轮廓跟踪 | 第36页 |
·本章小结 | 第36-37页 |
第四章 杂草与作物特征提取 | 第37-46页 |
·形状特征提取 | 第37-40页 |
·纹理特征提取 | 第40-42页 |
·分形维数特征提取 | 第42-44页 |
·分形理论理论 | 第42-43页 |
·分形维数的提取 | 第43-44页 |
·本章小结 | 第44-46页 |
第五章 玉米杂草识别方法 | 第46-67页 |
·基于 C4.5 算法的多特征组合杂草识别 | 第46-50页 |
·C4.5 算法原理 | 第46-47页 |
·多特征杂草识别模型及方法 | 第47-49页 |
·识别结果与分析 | 第49-50页 |
·基于 SVM-DS 的多特征融合识别方法 | 第50-60页 |
·多特征信息融合 | 第50页 |
·支持向量机(SVM)理论 | 第50-53页 |
·DS 证据理论 | 第53-56页 |
·基于矩阵分析的 DS 合成算法 | 第56-57页 |
·SVM-DS 杂草识别模型 | 第57-58页 |
·识别试验结果与分析 | 第58-60页 |
·基于 PCA 和 SVM 的杂草识别 | 第60-64页 |
·PCA 的原理 | 第60-61页 |
·特征降维 | 第61-63页 |
·杂草识别模型及方法 | 第63页 |
·试验结果及结论 | 第63-64页 |
·算法对比与分析 | 第64-66页 |
·本章小结 | 第66-67页 |
第六章 结论与展望 | 第67-69页 |
·结论 | 第67-68页 |
·展望 | 第68-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-74页 |
作者简介 | 第74页 |