| 中文摘要 | 第1-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第8-11页 |
| ·研究的目的和意义 | 第8页 |
| ·国内外研究现状 | 第8-9页 |
| ·论文主要工作和结构安排 | 第9-11页 |
| ·论文的主要工作 | 第9页 |
| ·论文的结构安排 | 第9-11页 |
| 2 常见小麦病害及图像获取 | 第11-14页 |
| ·常见小麦病害 | 第11-12页 |
| ·小麦白粉病 | 第11页 |
| ·小麦叶枯病 | 第11页 |
| ·小麦条锈病 | 第11页 |
| ·小麦叶锈病 | 第11-12页 |
| ·小麦病害图像获取 | 第12-14页 |
| ·图像采集环境 | 第12页 |
| ·病害图像样本 | 第12-14页 |
| 3 图像预处理和特征提取 | 第14-27页 |
| ·图像预处理 | 第14-18页 |
| ·中值滤波 | 第14-16页 |
| ·一维中值滤波原理 | 第14页 |
| ·二维中值滤波原理 | 第14-16页 |
| ·小波变换 | 第16-18页 |
| ·图像颜色特征提取 | 第18-23页 |
| ·RGB颜色模型 | 第18-19页 |
| ·HSI颜色模型 | 第19-20页 |
| ·RGB颜色模型与HSI颜色模型的转换 | 第20-21页 |
| ·构造的颜色特征提取参数 | 第21-23页 |
| ·图像纹理特征提取 | 第23-27页 |
| ·灰度共生矩阵 | 第23-24页 |
| ·构造的纹理特征提取参数 | 第24-27页 |
| 4 支持向量机概述 | 第27-35页 |
| ·统计学习理论 | 第27-29页 |
| ·学习过程的一致性 | 第27页 |
| ·VC维 | 第27-28页 |
| ·推广性的界 | 第28页 |
| ·结构风险最小化 | 第28-29页 |
| ·支持向量机理论概述 | 第29-35页 |
| ·线性可分支持向量机原理 | 第29-31页 |
| ·线性不可分支持向量机原理 | 第31-32页 |
| ·非线性支持向量机和核函数 | 第32-33页 |
| ·支持向量机的主要优点 | 第33-35页 |
| 5 基于多类分类支持向量机的小麦病害识别 | 第35-45页 |
| ·图像分类方法概述 | 第35-36页 |
| ·多类支持向量机 | 第36-42页 |
| ·一次性求解法 | 第36页 |
| ·“一对多”方法 | 第36-37页 |
| ·“一对一”方法 | 第37-38页 |
| ·有向无环图方法 | 第38页 |
| ·多类分类算法的比较分析 | 第38-39页 |
| ·多类分类对比实验 | 第39-42页 |
| ·基于多类分类支持向量机的小麦病害识别步骤 | 第42-43页 |
| ·基于多类分类支持向量机的小麦病害识别仿真结果与分析 | 第43-45页 |
| 6 总结与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表论文及其他成果 | 第55页 |