| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·研究背景、目的与意义 | 第9-10页 |
| ·研究背景 | 第9页 |
| ·研究目的与意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·目标分类算法研究现状 | 第11-12页 |
| ·目标识别算法研究现状 | 第12-14页 |
| ·研究内容 | 第14页 |
| ·水稻基部白背飞虱第一层检测算法的研究 | 第14页 |
| ·水稻基部白背飞虱第二层检测算法的研究 | 第14页 |
| ·技术路线图 | 第14-15页 |
| ·论文安排 | 第15-17页 |
| 第二章 基于 AdaBoost 的水稻基部白背飞虱的检测算法研究 | 第17-23页 |
| ·基于 Haar-like 矩形特征的 Adaboost 分类器 | 第17-23页 |
| ·Haar-like 特征 | 第17-19页 |
| ·AdaBoost 算法原理 | 第19-20页 |
| ·基于 Haar-like 特征的 AdaBoost 分类器的训练和检测 | 第20-23页 |
| 第三章 基于图像局部特征的水稻基部白背飞虱的检测算法研究 | 第23-55页 |
| ·空间金子塔匹配算法（Spatial Pyramid Matching）对白背飞虱子图像的分类 | 第23-31页 |
| ·densesift 稠密采样 | 第24页 |
| ·图像局部不变特征提取 | 第24-29页 |
| ·图像空间金字塔结构 | 第29-30页 |
| ·空间金子塔下的 Bow 特征提取 | 第30页 |
| ·金字塔匹配核函数 | 第30-31页 |
| ·空间金子塔匹配算法对白背飞虱子图像分类结果 | 第31页 |
| ·稀疏编码空间金子塔匹配算法（Sparse Coding Spatial Pyramid Matching） | 第31-34页 |
| ·稀疏编码简介 | 第32-33页 |
| ·Sparse coding 的过程 | 第33页 |
| ·空间合并函数(Spatial pooling function) | 第33-34页 |
| ·稀疏编码空间金子塔匹配算法对白背飞虱子图像分类结果 | 第34页 |
| ·局部限制的线性编码算法（Locality-constrained Linear Coding） | 第34-36页 |
| ·LLC 编码简介 | 第34-35页 |
| ·词典优化 | 第35-36页 |
| ·LLC 中的词汇局部约束 | 第36页 |
| ·局部性约束对比稀疏性约束 | 第36页 |
| ·局部约束的线性编码算法对白背飞虱子图像分类 | 第36页 |
| ·基于 opponentcolorsift 和 HOG 特征的 SVM 算法对白背飞虱子图像的分类 | 第36-48页 |
| ·特征点检测和特征点描述 | 第36-41页 |
| ·词袋特征 | 第41-42页 |
| ·Histogram of Gradients(HOG)描述符简介 | 第42-44页 |
| ·SVM 分类器简介 | 第44-48页 |
| ·基于 colorsift 和 HOG 特征的 SVM 算法对白背飞虱子图像的分类 | 第48页 |
| ·四种分类算法的联系和区别 | 第48-51页 |
| ·四种分类算法分类效果比较 | 第50-51页 |
| ·基于 colorsift 和 HOG 对水稻白背飞虱的检测 | 第51-53页 |
| ·不同稻飞虱发生等级下图片的测试 | 第52-53页 |
| ·评价结果并分析 | 第53-55页 |
| 第四章 总结与展望 | 第55-57页 |
| ·总结 | 第55页 |
| ·展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间参与的科研项目和发表论文 | 第62页 |
