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 |