| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.3 本文内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 图像预处理 | 第16-27页 |
| 2.1 颜色分割 | 第16-18页 |
| 2.2 前景分割 | 第18-21页 |
| 2.2.1 颜色模型 | 第19-20页 |
| 2.2.2 迭代能量最小化分割 | 第20页 |
| 2.2.3 透明度alpha的产生 | 第20-21页 |
| 2.3 形态学处理 | 第21-23页 |
| 2.3.1 腐蚀 | 第21-22页 |
| 2.3.2 膨胀 | 第22-23页 |
| 2.4 图像二值化 | 第23-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 基于卷积神经网络的玉米生长期特征提取 | 第27-43页 |
| 3.1 人工神经网络 | 第27-28页 |
| 3.2 卷积神经网络 | 第28-29页 |
| 3.2.1 局部连接 | 第28-29页 |
| 3.2.2 权值共享 | 第29页 |
| 3.3 卷积神经网络的基本结构 | 第29-32页 |
| 3.3.1 卷积层 | 第30-31页 |
| 3.3.2 池化层 | 第31-32页 |
| 3.3.3 全连接层 | 第32页 |
| 3.4 基于卷积神经网络的玉米生长期特征提取 | 第32-36页 |
| 3.5 实验结果与分析 | 第36-42页 |
| 3.5.1 实验平台 | 第36页 |
| 3.5.2 实验数据集 | 第36-40页 |
| 3.5.3 实验结果 | 第40-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 基于粒子群优化的多级SVM玉米生长期识别 | 第43-59页 |
| 4.1 支持向量机 | 第43-49页 |
| 4.1.1 线性可分支持向量机 | 第43-45页 |
| 4.1.2 线性不可分支持向量机 | 第45-47页 |
| 4.1.3 多分类 | 第47-48页 |
| 4.1.4 核函数 | 第48-49页 |
| 4.2 二叉树结构的SVM玉米生长期分类模型 | 第49-51页 |
| 4.3 基于二叉树结构的多级SVM的玉米生长期识别 | 第51-54页 |
| 4.4 基于粒子群优化算法的SVM参数寻优 | 第54-57页 |
| 4.4.1 粒子群优化算法概述 | 第54-57页 |
| 4.5 基于粒子群优化的多级SVM玉米生长期识别实验 | 第57-58页 |
| 4.6 本章小结 | 第58-59页 |
| 第五章 总结与展望 | 第59-60页 |
| 5.1 总结 | 第59页 |
| 5.2 展望 | 第59-60页 |
| 攻读硕士期间发表的论文 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 致谢 | 第66页 |