計算機圖像處理技術(shù)及其在農(nóng)業(yè)工程中的應(yīng)用

     目錄
   前言
   第1章 圖像與計算機圖像處理
    1.1圖像
    1.1.1圖像的分類
    1.1.2圖像信息的重要性
    1.2計算機圖像處理
    1.2.1視覺系統(tǒng)的局限性和計算機圖像處理技術(shù)產(chǎn)生的必然性
    1.2.2數(shù)字圖像的形成
    1.3數(shù)字圖像處理的基本概念
    1.3.1基本處理過程
    1.3.2基本運算形式
    1.3.3數(shù)字圖像的基本數(shù)據(jù)結(jié)構(gòu)
    1.4數(shù)字圖像處理的基本內(nèi)容和特點
    1.4.1基本內(nèi)容
    1.4.2數(shù)字圖像處理的特點
   第2章 農(nóng)業(yè)工程中的圖像處理
    2.1農(nóng)業(yè)工程中圖像處理的意義
    2.1.1農(nóng)業(yè)工程中圖像處理的含義
    2.1.2農(nóng)業(yè)工程中圖像處理應(yīng)用的歷史
    2.1.3農(nóng)業(yè)工程中圖像處理的特點
    2.2典型圖像處理系統(tǒng)
    2.2.1計算機圖像處理系統(tǒng)的發(fā)展
    2.2.2微機圖像處理系統(tǒng)的基本構(gòu)成
    2.3圖像處理技術(shù)在農(nóng)業(yè)工程中的應(yīng)用
    2.3.1監(jiān)測與評價
    2.3.2檢測
    2.3.3機器視覺與視覺機器人
    2.3.4農(nóng)業(yè)資源調(diào)查與評估
   第3章 圖像的預(yù)處理
    3.1圖像的頻域特性
    3.1.1圖像的頻譜表示法
    3.1.2圖像的頻域特性
    3.2灰度變換
    3.2.1灰度范圍移動
    3.2.2灰度線性變換
    3.2.3灰度非線性變換
    3.3直方圖變換
    3.3.1灰度直方圖
    3.3.2直方圖均衡化處理
    3.4銳化
    3.4.1卷積
    3.4.2差分法
    3.4.3空域高通濾波
    3.4.4頻域高通濾波
    3.5平滑
    3.5.1均值平滑算子
    3.5.2空域低通濾波
    3.5.3頻域低通濾波
    3.5.4中值濾波
    3.6幾何變換
    3.6.1坐標(biāo)變換
    3.6.2灰度確定
    3.7偽彩色變換
    3.7.1空域偽彩色變換
    3.7.2頻域偽彩色變換
   第4章 景物形狀特征的提取
    4.1區(qū)域生成
    4.1.1灰度閾值分割法
    4.1.2灰度相似合并法
    4.2邊緣和線的檢測
    4.2.1差分邊緣
    4.2.2模板匹配
    4.3二值圖像與線圖形
    4.3.1二值圖像分割
    4.3.2二值圖像平滑
    4.3.3距離圖像與骨骼
    4.3.4細線化
    4.3.5邊緣跟蹤
    4.4形狀特征描述
    4.4.1區(qū)域簡單形狀特征
    4.4.2區(qū)域矩特征
    4.4.3線段與形狀特征
    4.4.4鏈碼與形狀特征
    4.4.5傅里葉描繪子
   第5章 景物顏色特征的提取
    5.1自然界中的顏色與光譜
    5.2農(nóng)業(yè)物料的顏色特征及其利用
    5.3顏色的描述系統(tǒng)
    5.3.1顏色的分類和特性
    5.3.2三基色學(xué)說和顏色混加原理
    5.3.3顏色的表示系統(tǒng)
    5.4計算機彩色圖像
    5.4.1圖像色彩的獲得
    5.4.2彩色圖像的顯示方式
    5.5計算機圖像顏色特征的提取
    5.5.1顏色的區(qū)分與對比
    5.5.2顏色的標(biāo)定和系統(tǒng)之間的轉(zhuǎn)換
   第6章 景物紋理特征的提取
    6.1紋理概述
    6.2行程長度統(tǒng)計
    6.2.1行程長度和頻數(shù)
    6.2.2紋理特征參數(shù)
    6.3灰度差分統(tǒng)計
    6.3.1灰度差分直方圖
    6.3.2紋理特征參數(shù)
    6.4灰度共生矩陣
    6.4.1生成原理
    6.4.2矩陣特點
    6.4.3特征參數(shù)
    6.5傅里葉特征
    6.5.1傅里葉功率譜
    6.5.2傅里葉特征
    7.1特征的提取和選擇
    7.2特征向量和識別函數(shù)
    7.2.1特征向量
    7.2.2識別函數(shù)
    7.3線性判別方法
    7.3.1線性識別函數(shù)
    7.3.2權(quán)重系數(shù)的調(diào)整
    7.4統(tǒng)計分類方法
    7.4.1統(tǒng)計分類識別函數(shù)
    7.4.2統(tǒng)計分類器的參數(shù)估計
    7.5最小距離分類法
    7.5.1最小距離分類器
    7.5.2最近鄰域分類法
    7.6聚類分類法
    7.6.1分層聚類
    7.6.2非分層聚類
    7.7模糊識別方法
    7.7.1模糊數(shù)學(xué)基本概念
    7.7.2隸屬度原則識別法
    7.7.3貼近原則識別法
    7.7.4模糊聚類分析
   第8章 應(yīng)用實例
    8.1根據(jù)形狀特征識別
    8.1.1用一種細線化處理方法評估植物胚芽發(fā)育狀況
    8.1.2黃瓜分選的圖像處理研究
    8.2根據(jù)顏色特征識別
    8.2.1根據(jù)顏色特征分析植物營養(yǎng)狀況
    8.2.2用顏色檢測土豆和蘋果的成熟度
    8.3根據(jù)紋理識別
    8.3.1屠宰后家禽腫塊、瘀傷和有害家禽肉的多光譜段特征描述
    8.3.2利用灰度共生矩陣描述煙葉組織結(jié)構(gòu)
    8.4綜合特征分析
   參考文獻