复杂背景下小麦病害图像分割方法研究及应用
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 引言 | 第8-9页 |
| 1.2 背景知识及研究意义 | 第9-11页 |
| 1.2.1 背景知识 | 第9-10页 |
| 1.2.2 研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.3.1 国外研究现状 | 第11页 |
| 1.3.2 国内研究现状 | 第11-12页 |
| 1.4 本文的主要研究内容和章节安排 | 第12-14页 |
| 2 常用的图像分割算法介绍 | 第14-24页 |
| 2.1 图像分割的基础知识 | 第14-15页 |
| 2.1.1 图像分割定义 | 第14-15页 |
| 2.1.2 灰度直方图 | 第15页 |
| 2.2 图像分割算法的分类 | 第15-23页 |
| 2.2.1 阈值分割法 | 第15-17页 |
| 2.2.2 区域分割法 | 第17-18页 |
| 2.2.3 边缘检测法 | 第18-21页 |
| 2.2.4 与特定理论相结合的分割算法 | 第21-23页 |
| 2.3 本章小结 | 第23-24页 |
| 3 复杂背景下小麦病害图像分割方法研究 | 第24-41页 |
| 3.1 复杂背景下小麦病害图像分割方法流程 | 第24-25页 |
| 3.2 图像的预处理 | 第25-26页 |
| 3.3 小麦叶片图像分割方法 | 第26-34页 |
| 3.3.1 色度空间 | 第26-31页 |
| 3.3.1.1 色度空间的分类 | 第26-29页 |
| 3.3.1.2 色度空间的选择 | 第29-31页 |
| 3.3.2 K-means聚类法 | 第31-34页 |
| 3.3.2.1 聚类分析 | 第31-32页 |
| 3.3.2.2 K-means聚类法介绍 | 第32-33页 |
| 3.3.2.3 K-means聚类法的具体步骤 | 第33页 |
| 3.3.2.4 K-means聚类法分割的优点 | 第33-34页 |
| 3.4 主要病害叶片图像分割方法 | 第34-38页 |
| 3.4.1 Otsu动态阈值法 | 第34-36页 |
| 3.4.1.1 一维Otsu算法 | 第34-35页 |
| 3.4.1.2 二维Otsu算法 | 第35-36页 |
| 3.4.2 数学形态学运算 | 第36-38页 |
| 3.4.2.1 数学形态学基本运算 | 第36-37页 |
| 3.4.2.2 数学形态学分类 | 第37-38页 |
| 3.4.3 面积阈值法 | 第38页 |
| 3.5 病斑图像分割方法 | 第38-40页 |
| 3.5.1 数字图像色彩信息复原 | 第39页 |
| 3.5.2 绿色分割法 | 第39-40页 |
| 3.6 本章小结 | 第40-41页 |
| 4 分割实验及结果分析 | 第41-51页 |
| 4.1 实验方法介绍 | 第41页 |
| 4.2 实验过程及结果 | 第41-47页 |
| 4.2.1 图像采集 | 第42页 |
| 4.2.2 小麦叶片图像分割 | 第42-44页 |
| 4.2.3 主要病害叶片图像分割 | 第44-46页 |
| 4.2.4 病斑图像分割 | 第46-47页 |
| 4.3 验证及分析 | 第47-49页 |
| 4.4 实验结论 | 第49页 |
| 4.5 本章小结 | 第49-51页 |
| 5 复杂背景下小麦病害图像分割系统 | 第51-57页 |
| 5.1 分割系统的工作功能模块图 | 第51-52页 |
| 5.2 分割系统的开发环境 | 第52-53页 |
| 5.2.1 硬件环境 | 第52-53页 |
| 5.2.2 软件环境 | 第53页 |
| 5.3 分割系统功能介绍 | 第53-56页 |
| 5.4 本章小结 | 第56-57页 |
| 6 总结与展望 | 第57-59页 |
| 6.1 主要研究工作 | 第57-58页 |
| 6.2 未来的研究工作 | 第58-59页 |
| 参考文献 | 第59-63页 |
| 致谢 | 第63-65页 |
| 个人简介 | 第65-66页 |
| 在学期间发表的论著及科研成果清单 | 第66页 |
