| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-17页 |
| 1.1 选题背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.3 主要研究内容 | 第15页 |
| 1.4 结构安排 | 第15-17页 |
| 2 模糊C-均值(FCM)和支持向量机(SVM)相关理论 | 第17-31页 |
| 2.1 引言 | 第17页 |
| 2.2 模糊C均值聚类算法相关知识介绍 | 第17-19页 |
| 2.3 基于支持向量机(SVM)的理论分析 | 第19-27页 |
| 2.3.1 线性可分的最优分类面 | 第20-23页 |
| 2.3.2 线性不可分情况下的最优分类面 | 第23-25页 |
| 2.3.3 支持向量机中相关参数 | 第25-27页 |
| 2.4 基于支持向量机(SVM)的图像分割 | 第27-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 模糊C-均值聚类和支持向量机相结合的图像分割方法 | 第31-39页 |
| 3.1 引言 | 第31页 |
| 3.2 基于FCM和SVM相结合的病害图像分割流程图 | 第31-33页 |
| 3.3 基于FCM的训练样本自动选取 | 第33-36页 |
| 3.4 基于SVM的图像分割 | 第36-38页 |
| 3.4.1 颜色特征的提取 | 第36-37页 |
| 3.4.2 纹理特征的提取 | 第37-38页 |
| 3.4.3 基于SVM的病害图像分割 | 第38页 |
| 3.5 本章小结 | 第38-39页 |
| 4 结果和分析 | 第39-57页 |
| 4.1 引言 | 第39页 |
| 4.2 复杂环境下病害叶片图像的分割 | 第39-43页 |
| 4.3 本文算法实现 | 第43-44页 |
| 4.4 FCM进行病害图像的初分割 | 第44-46页 |
| 4.5 颜色和纹理特征的选取 | 第46-48页 |
| 4.6 单独选用SVM和本文算法分割结果的比较 | 第48-52页 |
| 4.7 图像分割结果的评价 | 第52-56页 |
| 4.8 本章小结 | 第56-57页 |
| 5 作物病害叶片图像分割系统的界面开发 | 第57-66页 |
| 5.1 引言 | 第57页 |
| 5.2 图像用户界面介绍 | 第57-58页 |
| 5.3 界面系统的功能描述 | 第58-59页 |
| 5.4 结果分析 | 第59-64页 |
| 5.5 本章小结 | 第64-66页 |
| 6 总结和展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 个人简历和研究成果 | 第72-73页 |
| 致谢 | 第73页 |
