论文目录 | |
摘要 | 第1-6页 |
Abstract | 第6-10页 |
第一章 绪论 | 第10-17页 |
1.1 研究背景、目的与意义 | 第10-11页 |
1.1.1 研究背景 | 第10页 |
1.1.2 研究目的与意义 | 第10-11页 |
1.2 国内外研究进展 | 第11-14页 |
1.2.1 农作物病虫害信息采集、监测研究现状 | 第11-12页 |
1.2.2 农作物病虫害识别方法研究现状 | 第12-14页 |
1.3 研究内容 | 第14-15页 |
1.4 技术路线 | 第15页 |
1.5 论文安排 | 第15-17页 |
第二章 基于Android的水稻病虫害图像识别与诊断系统框架搭建 | 第17-24页 |
2.1 Android手机端的设计与实现 | 第17-19页 |
2.1.1 水稻病虫害信息数据库的建立 | 第17-18页 |
2.1.2 基于Android手机的水稻病虫害信息浏览及图像采集模块功能实现 | 第18-19页 |
2.2 客户端与服务器端的通信实现 | 第19-21页 |
2.2.1 HTTP协议 | 第19-20页 |
2.2.2 客户端与服务器端的通信实现 | 第20-21页 |
2.3 服务器端的设计与实现 | 第21-23页 |
2.3.1 Tomcat服务器的搭建 | 第21-22页 |
2.3.2 服务器端对HTTP请求的响应实现 | 第22-23页 |
2.3.3 水稻病虫害图像识别算法的调用 | 第23页 |
2.4 本章小结 | 第23-24页 |
第三章 基于图像的水稻病虫害为害状识别算法研究 | 第24-44页 |
3.1 水稻病虫害为害状图像预处理 | 第24-34页 |
3.1.1 图像预处理 | 第24-26页 |
3.1.2 背景分割 | 第26-32页 |
3.1.3 形态学滤波 | 第32-34页 |
3.2 特征提取 | 第34-40页 |
3.2.1 颜色特征 | 第34-36页 |
3.2.2 纹理特征 | 第36-38页 |
3.2.3 形态特征 | 第38-40页 |
3.3 基于支持向量机的水稻病虫害为害状识别 | 第40-42页 |
3.3.1 支持向量机 | 第40-41页 |
3.3.2 基于SVM的水稻病虫害为害状识别结果 | 第41-42页 |
3.4 本章小结 | 第42-44页 |
第四章 基于特征融合和稀疏表示的害虫图像识别算法研究 | 第44-57页 |
4.1 水稻害虫图像特征提取 | 第44-50页 |
4.1.1 颜色特征提取 | 第45-46页 |
4.1.2 HOG特征提取 | 第46-47页 |
4.1.3 Gabor特征提取 | 第47-49页 |
4.1.4 LBP特征提取 | 第49-50页 |
4.2 颜色特征与局部特征的融合 | 第50页 |
4.3 基于稀疏表示的水稻害虫图像识别 | 第50-52页 |
4.3.1 稀疏表示原理 | 第50-51页 |
4.3.2 基于不同特征下的稀疏表示水稻害虫识别 | 第51-52页 |
4.4 基于局部特征的稀疏表示害虫图像识别结果 | 第52-54页 |
4.5 基于颜色特征与局部特征融合的稀疏表示害虫图像识别结果 | 第54-56页 |
4.6 本章小结 | 第56-57页 |
第五章 基于Android的水稻病虫害图像识别与诊断系统测试与结果分析 | 第57-61页 |
5.1 测试环境 | 第57页 |
5.2 基于Android的水稻病虫害图像识别与诊断系统功能与测试 | 第57-60页 |
5.2.1 系统功能 | 第57页 |
5.2.2 系统测试 | 第57-59页 |
5.2.3 系统评价 | 第59-60页 |
5.3 本章小结 | 第60-61页 |
第六章 总结与展望 | 第61-63页 |
6.1 总结 | 第61-62页 |
6.2 展望 | 第62-63页 |
参考文献 | 第63-69页 |
致谢 | 第69-70页 |
攻读硕士学位期间参与的科研项目和发表论文 | 第70页 |