首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

田间图像中杂草群落特征识别的研究

摘要第3-4页
Abstract第4-5页
第一章 绪论第8-14页
    1.1 课题研究的背景及意义第8页
    1.2 国内外研究现状第8-12页
        1.2.1 近景图像中杂草识别研究现状第9-11页
        1.2.2 杂草特征识别的研究现状第11-12页
    1.3 研究内容第12-14页
第二章 图像的获取第14-17页
    2.1 图像特征第14-15页
    2.2 颜色模型的选取第15-16页
    2.3 获取图像第16页
    2.4 本章小结第16-17页
第三章 基于非下采样剪切波(NSST)算法的杂草群落特征识别第17-42页
    3.1 图像的特点第17-19页
    3.2 非下采样剪切波原理第19-22页
    3.3 非下采样剪切波识别杂草群落的方法第22-29页
        3.3.1 纹理方向性与方向性描述因子第23-24页
        3.3.2 非下采样剪切波算法识别杂草群落流程第24-25页
        3.3.3 不同灰度图像的选择第25-26页
        3.3.4 不同分块大小的选择第26-27页
        3.3.5 不同尺度的选择第27-28页
        3.3.6 识别算法的选择第28-29页
    3.4 不同灰度特征图像下识别效果分析第29-32页
    3.5 不同分块大小下的识别效果分析第32-34页
    3.6 不同尺度组合下的识别效果分析第34-38页
        3.6.1 主成分分析(PCA)算法降维第35-36页
        3.6.2 PCA降维后不同尺度组合下的识别效果第36-38页
    3.7 不同识别方法下识别效果分析第38-41页
    3.8 本章小结第41-42页
第四章 基于ROI区域的杂草群落特征获取第42-58页
    4.1 基于手动获取ROI区域算法的杂草群落识别第42-43页
    4.2 掩模图像的提取分割第43-45页
    4.3 相似度量匹配原理第45-47页
    4.4 手动获取ROI的相似度匹配算法识别特征流程第47-52页
        4.4.1 不同大小掩模图像下的识别效果及分析第48-50页
        4.4.2 不同方法下的识别效果及分析第50-52页
    4.5 基于自动获取ROI区域算法的杂草群落识别第52-57页
        4.5.1 自动获取ROI区域算法的流程第53-55页
        4.5.2 自动获取ROI区域算法下识别效果及分析第55-57页
    4.6 本章小结第57-58页
第五章 总结与展望第58-60页
    5.1 全文总结第58-59页
    5.2 工作展望第59-60页
参考文献第60-63页
发表论文和参加科研情况说明第63-64页
致谢第64页

论文共64页,点击 下载论文
上一篇:基于卷积神经网络的脑部肿瘤MRI分割
下一篇:项目驱动教学法在中职计算机课程中的应用研究