基于图像分析的植物及其病虫害识别方法研究
本书特色
[
利用植物叶片图像对植物分类和病害识别是目前较为有效的方式之一，也是未来数字化植物研究的发展趋势。这一方法对植物物种的智能化分类，有效预防农作物病害发生，提高农作物产量，有效控制农药对农产品和生态环境的污染等方面，都具有非常重要的现实意义。
本书在总结国内外现有研究成果的基础上，以提高植物及其病害识别的准确率和效率为目标，对植物叶片及其叶部病害的图像分割、特征提取等关键技术开展了系统研究。
]
内容简介
[
本书在总结国内外研究成果的基础上, 以提高植物及其病害识别准确率和效率为目标, 对植物叶片及其叶部病害的图像分割、特征提取、病害诊断识别方法等关键技术展开系统研究, 以期能对相关部门和个人提供参考。
]
作者简介
[
张传雷，副教授、加拿大瑞尔森大学（Ryerson University）博士后、IEEE会员、ACM会员、CCF会员和中国电子学会高级会员。2000—2010年，任摩托罗拉（中国）研发经理、高级工程师等职，有多年的移动与互联网产品的研发经验。主要从事模式识别、信息处理、图像处理、物联网和大数据挖掘等方面的基础应用研究。
近5年来主持天津市自然科学基金（重点项目）、天津市留学回国人员科技活动启动项目（优秀类）、天津市应用基础与前沿技术研究计划(一般项目)、天津市科技特派员项目、天津市津南区科技计划项目、天津市高等学校科技发展基金计划项目和天津市2015年度高校聘请外专特色项目各1项，参与国家自然科学基金1项，相应成果发表在国际SCI、EI检索期刊上，有30余篇。
目前担任学术期刊IEEE Trans. on Industrial Informatics、IEEE Access、Computers in Biology and Medicine、KSII Trans. on Internet and Information Systems、Computers and Electronics in Agriculture、Soft Computing、Applied Soft Computing，以及《中国矿业大学学报》《煤炭学报》《北京理工大学学报》和多个国际学术会议论文的审稿人。
]
目录
第1章绪论11��1研究背景及意义11��2研究现状概述41��3主要植物叶片数据集介绍11参考文献15第2章叶片图像分类特征及图像预处理202��1叶片图像识别步骤202��2植物叶片图像的分类特征212��3植物叶片图像预处理技术33参考文献45第3章植物叶片图像常用的分割方法563��1图像分割定义563��2基于边缘检测的图像分割方法573��3基于灰度阈值的图像分割方法643��4基于区域的图像分割方法703��5分水岭算法723��6基于小波的图像分割方法743��7基于聚类分析的图像分割方法753��8基于水平集的图像分割方法793��9基于图论的图像分割方法79参考文献81第4章*大*小判别映射植物叶片图像分类方法研究954��1*大*小判别映射方法964��2实验结果与分析1024��3小结105参考文献105第5章基于叶片图像和监督正交*大差异伸展的植物识别方法研究1085��1监督正交*大差异投影算法1095��2实验结果与分析1125��3小结115参考文献116第6章采用局部判别映射算法的玉米病害识别方法研究1196��1局部判别映射算法1216��2实验结果与分析1246��3小结126参考文献127第7章监督正交局部保持映射的植物叶片分类方法研究1307��1监督正交局部保持映射1317��2实验结果与分析1377��3小结141参考文献141第8章基于叶片图像处理和稀疏表示的植物识别方法1468��1稀疏表示和植物识别1488��2实验结果与分析1568��3小结159参考文献160第9章基于稀疏表示字典学习的植物分类方法1629��1基于稀疏表示的植物分类方法1649��2实验结果与分析1689��3小结174参考文献174第10章环境信息在黄瓜病害识别方法中的应用研究17910��1叶片图像获取17910��2实验结果与分析18210��3小结186参考文献187第11章基于判别映射分析的植物叶片分类方法19111��1*大边缘准则（MMC）19211��2判别映射分析算法（DPA）19211��3实验结果19411��4小结195参考文献196第12章基于卷积神经网络的植物病害识别方法19812��1植物病害识别方法的简介19812��2卷积神经网络20012��3基于三通道CNNs的植物病害识别方法20412��4实验结果与分析20612��5小结210参考文献211第13章基于环境信息和深度自编码网络的农作物病害预测模型21413��1农作物的致病因素及病害预测模型简介21413��2材料与方法21513��3实验结果与分析22013��4小结221参考文献222第14章基于改进深度置信网络的大棚冬枣病虫害预测模型22514��1冬枣病虫害及预测模型简介22514��2植物病虫害环境信息获取22514��3深度置信网络22614��4冬枣病虫害预测模型23114��5实验方法23214��6小结234参考文献234后记239第1章绪论11��1研究背景及意义11��2研究现状概述41��3主要植物叶片数据集介绍11参考文献15第2章叶片图像分类特征及图像预处理202��1叶片图像识别步骤202��2植物叶片图像的分类特征212��3植物叶片图像预处理技术33参考文献45第3章植物叶片图像常用的分割方法563��1图像分割定义563��2基于边缘检测的图像分割方法573��3基于灰度阈值的图像分割方法643��4基于区域的图像分割方法703��5分水岭算法723��6基于小波的图像分割方法743��7基于聚类分析的图像分割方法753��8基于水平集的图像分割方法793��9基于图论的图像分割方法79参考文献81第4章*大*小判别映射植物叶片图像分类方法研究954��1*大*小判别映射方法964��2实验结果与分析1024��3小结105参考文献105第5章基于叶片图像和监督正交*大差异伸展的植物识别方法研究1085��1监督正交*大差异投影算法1095��2实验结果与分析1125��3小结115参考文献116第6章采用局部判别映射算法的玉米病害识别方法研究1196��1局部判别映射算法1216��2实验结果与分析1246��3小结126参考文献127第7章监督正交局部保持映射的植物叶片分类方法研究1307��1监督正交局部保持映射1317��2实验结果与分析1377��3小结141参考文献141第8章基于叶片图像处理和稀疏表示的植物识别方法1468��1稀疏表示和植物识别1488��2实验结果与分析1568��3小结159参考文献160第9章基于稀疏表示字典学习的植物分类方法1629��1基于稀疏表示的植物分类方法1649��2实验结果与分析1689��3小结174参考文献174第10章环境信息在黄瓜病害识别方法中的应用研究17910��1叶片图像获取17910��2实验结果与分析18210��3小结186参考文献187第11章基于判别映射分析的植物叶片分类方法19111��1*大边缘准则（MMC）19211��2判别映射分析算法（DPA）19211��3实验结果19411��4小结195参考文献196第12章基于卷积神经网络的植物病害识别方法19812��1植物病害识别方法的简介19812��2卷积神经网络20012��3基于三通道CNNs的植物病害识别方法20412��4实验结果与分析20612��5小结210参考文献211第13章基于环境信息和深度自编码网络的农作物病害预测模型21413��1农作物的致病因素及病害预测模型简介21413��2材料与方法21513��3实验结果与分析22013��4小结221参考文献222第14章基于改进深度置信网络的大棚冬枣病虫害预测模型22514��1冬枣病虫害及预测模型简介22514��2植物病虫害环境信息获取22514��3深度置信网络22614��4冬枣病虫害预测模型23114��5实验方法23214��6小结234参考文献234后记239
封面
书名:基于图像分析的植物及其病虫害识别方法研究
作者:张传雷，张善文，李建荣著
页数:240页
定价:¥58.0
出版社:中国经济出版社
出版日期:2018-10-01
ISBN:9787513653275
PDF电子书大小:54MB 高清扫描完整版