相關商品
商品簡介
作者簡介
目次
商品簡介
從國內外發展情況來看,依據植物的葉片圖像特徵進行植物分類與病蟲害識別是目前較為有效的方式之一,它也是未來數字化植物研究的一種發展趨勢,對植物分類智能化和有效防治農作物病害的發生,提高農作物的產量,減少農藥對農產品和環境的污染,均具有重要的現實意義。本書在總結國內外研究成果的基礎上,以提高植物及其病害識別準確率和效率為目標,對植物葉片及其葉部病害的圖像分割、特徵提取、病害診斷識別方法等關鍵技術展開系統研究,以期能對相關部門和個人提供參考。
作者簡介
張傳雷,副教授、加拿大瑞爾森大學(Ryerson University)博士後、IEEE會員、ACM會員、CCF會員和中國電子學會高級會員。2000―2010年,任摩托羅拉(中國)研發經理、高級工程師等職,有多年的移動與互聯網產品的研發經驗。主要從事模式識別、信息處理、圖像處理、物聯網和大數據挖掘等方面的基礎應用研究。
近5年來主持天津市自然科學基金(重點項目)、天津市留學回國人員科技活動啟動項目(優秀類)、天津市應用基礎與前沿技術研究計劃(一般項目)、天津市科技特派員項目、天津市津南區科技計劃項目、天津市高等學校科技發展基金計劃項目和天津市2015年度高校聘請外專特色項目各1項,參與國家自然科學基金1項,相應成果發表在國際SCI、EI檢索期刊上,有30餘篇。
目前擔任學術期刊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《中國礦業大學學報》《煤炭學報》《北京理工大學學報》和多個國際學術會議論文的審稿人。
近5年來主持天津市自然科學基金(重點項目)、天津市留學回國人員科技活動啟動項目(優秀類)、天津市應用基礎與前沿技術研究計劃(一般項目)、天津市科技特派員項目、天津市津南區科技計劃項目、天津市高等學校科技發展基金計劃項目和天津市2015年度高校聘請外專特色項目各1項,參與國家自然科學基金1項,相應成果發表在國際SCI、EI檢索期刊上,有30餘篇。
目前擔任學術期刊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《中國礦業大學學報》《煤炭學報》《北京理工大學學報》和多個國際學術會議論文的審稿人。
目次
第1章緒論1
11研究背景及意義1
12研究現狀概述4
13主要植物葉片數據集介紹11
參考文獻15
第2章葉片圖像分類特徵及圖像預處理20
21葉片圖像識別步驟20
22植物葉片圖像的分類特徵21
23植物葉片圖像預處理技術33
參考文獻45
第3章植物葉片圖像常用的分割方法56
31圖像分割定義56
32基於邊緣檢測的圖像分割方法57
33基於灰度閾值的圖像分割方法64
34基於區域的圖像分割方法70
35分水嶺算法72
36基於小波的圖像分割方法74
37基於聚類分析的圖像分割方法75
38基於水平集的圖像分割方法79
39基於圖論的圖像分割方法79
參考文獻81
第4章最大最小判別映射植物葉片圖像分類方法研究95
41最大最小判別映射方法96
42實驗結果與分析102
43小結105
參考文獻105
第5章基於葉片圖像和監督正交最大差異伸展的植物識別方法
研究108
51監督正交最大差異投影算法109
52實驗結果與分析112
53小結115
參考文獻116
第6章採用局部判別映射算法的玉米病害識別方法研究119
61局部判別映射算法121
62實驗結果與分析124
63小結126
參考文獻127
第7章監督正交局部保持映射的植物葉片分類方法研究130
71監督正交局部保持映射131
72實驗結果與分析137
73小結141
參考文獻141
第8章基於葉片圖像處理和稀疏表示的植物識別方法146
81稀疏表示和植物識別148
82實驗結果與分析156
83小結159
參考文獻160
第9章基於稀疏表示字典學習的植物分類方法162
91基於稀疏表示的植物分類方法164
92實驗結果與分析168
93小結174
參考文獻174
第10章環境信息在黃瓜病害識別方法中的應用研究179
101葉片圖像獲取179
102實驗結果與分析182
103小結186
參考文獻187
第11章基於判別映射分析的植物葉片分類方法191
111最大邊緣準則(MMC)192
112判別映射分析算法(DPA)192
113實驗結果194
114小結195
參考文獻196
第12章基於卷積神經網絡的植物病害識別方法198
121植物病害識別方法的簡介198
122卷積神經網絡200
123基於三通道CNNs的植物病害識別方法204
124實驗結果與分析206
125小結210
參考文獻211
第13章基於環境信息和深度自編碼網絡的農作物病害預測模型214
131農作物的致病因素及病害預測模型簡介214
132材料與方法215
133實驗結果與分析220
134小結221
參考文獻222
第14章基於改進深度置信網絡的大棚冬棗病蟲害預測模型225
141冬棗病蟲害及預測模型簡介225
142植物病蟲害環境信息獲取225
143深度置信網絡226
144冬棗病蟲害預測模型231
145實驗方法232
146小結234
參考文獻234
後記239
第1章緒論1
11研究背景及意義1
12研究現狀概述4
13主要植物葉片數據集介紹11
參考文獻15
第2章葉片圖像分類特徵及圖像預處理20
21葉片圖像識別步驟20
22植物葉片圖像的分類特徵21
23植物葉片圖像預處理技術33
參考文獻45
第3章植物葉片圖像常用的分割方法56
31圖像分割定義56
32基於邊緣檢測的圖像分割方法57
33基於灰度閾值的圖像分割方法64
34基於區域的圖像分割方法70
35分水嶺算法72
36基於小波的圖像分割方法74
37基於聚類分析的圖像分割方法75
38基於水平集的圖像分割方法79
39基於圖論的圖像分割方法79
參考文獻81
第4章最大最小判別映射植物葉片圖像分類方法研究95
41最大最小判別映射方法96
42實驗結果與分析102
43小結105
參考文獻105
第5章基於葉片圖像和監督正交最大差異伸展的植物識別方法
研究108
51監督正交最大差異投影算法109
52實驗結果與分析112
53小結115
參考文獻116
第6章採用局部判別映射算法的玉米病害識別方法研究119
61局部判別映射算法121
62實驗結果與分析124
63小結126
參考文獻127
第7章監督正交局部保持映射的植物葉片分類方法研究130
71監督正交局部保持映射131
72實驗結果與分析137
73小結141
參考文獻141
第8章基於葉片圖像處理和稀疏表示的植物識別方法146
81稀疏表示和植物識別148
82實驗結果與分析156
83小結159
參考文獻160
第9章基於稀疏表示字典學習的植物分類方法162
91基於稀疏表示的植物分類方法164
92實驗結果與分析168
93小結174
參考文獻174
第10章環境信息在黃瓜病害識別方法中的應用研究179
101葉片圖像獲取179
102實驗結果與分析182
103小結186
參考文獻187
第11章基於判別映射分析的植物葉片分類方法191
111最大邊緣準則(MMC)192
112判別映射分析算法(DPA)192
113實驗結果194
114小結195
參考文獻196
第12章基於卷積神經網絡的植物病害識別方法198
121植物病害識別方法的簡介198
122卷積神經網絡200
123基於三通道CNNs的植物病害識別方法204
124實驗結果與分析206
125小結210
參考文獻211
第13章基於環境信息和深度自編碼網絡的農作物病害預測模型214
131農作物的致病因素及病害預測模型簡介214
132材料與方法215
133實驗結果與分析220
134小結221
參考文獻222
第14章基於改進深度置信網絡的大棚冬棗病蟲害預測模型225
141冬棗病蟲害及預測模型簡介225
142植物病蟲害環境信息獲取225
143深度置信網絡226
144冬棗病蟲害預測模型231
145實驗方法232
146小結234
參考文獻234
後記239
11研究背景及意義1
12研究現狀概述4
13主要植物葉片數據集介紹11
參考文獻15
第2章葉片圖像分類特徵及圖像預處理20
21葉片圖像識別步驟20
22植物葉片圖像的分類特徵21
23植物葉片圖像預處理技術33
參考文獻45
第3章植物葉片圖像常用的分割方法56
31圖像分割定義56
32基於邊緣檢測的圖像分割方法57
33基於灰度閾值的圖像分割方法64
34基於區域的圖像分割方法70
35分水嶺算法72
36基於小波的圖像分割方法74
37基於聚類分析的圖像分割方法75
38基於水平集的圖像分割方法79
39基於圖論的圖像分割方法79
參考文獻81
第4章最大最小判別映射植物葉片圖像分類方法研究95
41最大最小判別映射方法96
42實驗結果與分析102
43小結105
參考文獻105
第5章基於葉片圖像和監督正交最大差異伸展的植物識別方法
研究108
51監督正交最大差異投影算法109
52實驗結果與分析112
53小結115
參考文獻116
第6章採用局部判別映射算法的玉米病害識別方法研究119
61局部判別映射算法121
62實驗結果與分析124
63小結126
參考文獻127
第7章監督正交局部保持映射的植物葉片分類方法研究130
71監督正交局部保持映射131
72實驗結果與分析137
73小結141
參考文獻141
第8章基於葉片圖像處理和稀疏表示的植物識別方法146
81稀疏表示和植物識別148
82實驗結果與分析156
83小結159
參考文獻160
第9章基於稀疏表示字典學習的植物分類方法162
91基於稀疏表示的植物分類方法164
92實驗結果與分析168
93小結174
參考文獻174
第10章環境信息在黃瓜病害識別方法中的應用研究179
101葉片圖像獲取179
102實驗結果與分析182
103小結186
參考文獻187
第11章基於判別映射分析的植物葉片分類方法191
111最大邊緣準則(MMC)192
112判別映射分析算法(DPA)192
113實驗結果194
114小結195
參考文獻196
第12章基於卷積神經網絡的植物病害識別方法198
121植物病害識別方法的簡介198
122卷積神經網絡200
123基於三通道CNNs的植物病害識別方法204
124實驗結果與分析206
125小結210
參考文獻211
第13章基於環境信息和深度自編碼網絡的農作物病害預測模型214
131農作物的致病因素及病害預測模型簡介214
132材料與方法215
133實驗結果與分析220
134小結221
參考文獻222
第14章基於改進深度置信網絡的大棚冬棗病蟲害預測模型225
141冬棗病蟲害及預測模型簡介225
142植物病蟲害環境信息獲取225
143深度置信網絡226
144冬棗病蟲害預測模型231
145實驗方法232
146小結234
參考文獻234
後記239
第1章緒論1
11研究背景及意義1
12研究現狀概述4
13主要植物葉片數據集介紹11
參考文獻15
第2章葉片圖像分類特徵及圖像預處理20
21葉片圖像識別步驟20
22植物葉片圖像的分類特徵21
23植物葉片圖像預處理技術33
參考文獻45
第3章植物葉片圖像常用的分割方法56
31圖像分割定義56
32基於邊緣檢測的圖像分割方法57
33基於灰度閾值的圖像分割方法64
34基於區域的圖像分割方法70
35分水嶺算法72
36基於小波的圖像分割方法74
37基於聚類分析的圖像分割方法75
38基於水平集的圖像分割方法79
39基於圖論的圖像分割方法79
參考文獻81
第4章最大最小判別映射植物葉片圖像分類方法研究95
41最大最小判別映射方法96
42實驗結果與分析102
43小結105
參考文獻105
第5章基於葉片圖像和監督正交最大差異伸展的植物識別方法
研究108
51監督正交最大差異投影算法109
52實驗結果與分析112
53小結115
參考文獻116
第6章採用局部判別映射算法的玉米病害識別方法研究119
61局部判別映射算法121
62實驗結果與分析124
63小結126
參考文獻127
第7章監督正交局部保持映射的植物葉片分類方法研究130
71監督正交局部保持映射131
72實驗結果與分析137
73小結141
參考文獻141
第8章基於葉片圖像處理和稀疏表示的植物識別方法146
81稀疏表示和植物識別148
82實驗結果與分析156
83小結159
參考文獻160
第9章基於稀疏表示字典學習的植物分類方法162
91基於稀疏表示的植物分類方法164
92實驗結果與分析168
93小結174
參考文獻174
第10章環境信息在黃瓜病害識別方法中的應用研究179
101葉片圖像獲取179
102實驗結果與分析182
103小結186
參考文獻187
第11章基於判別映射分析的植物葉片分類方法191
111最大邊緣準則(MMC)192
112判別映射分析算法(DPA)192
113實驗結果194
114小結195
參考文獻196
第12章基於卷積神經網絡的植物病害識別方法198
121植物病害識別方法的簡介198
122卷積神經網絡200
123基於三通道CNNs的植物病害識別方法204
124實驗結果與分析206
125小結210
參考文獻211
第13章基於環境信息和深度自編碼網絡的農作物病害預測模型214
131農作物的致病因素及病害預測模型簡介214
132材料與方法215
133實驗結果與分析220
134小結221
參考文獻222
第14章基於改進深度置信網絡的大棚冬棗病蟲害預測模型225
141冬棗病蟲害及預測模型簡介225
142植物病蟲害環境信息獲取225
143深度置信網絡226
144冬棗病蟲害預測模型231
145實驗方法232
146小結234
參考文獻234
後記239
主題書展
更多
主題書展
更多書展本週66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大,除封面破損、內頁脫落等較嚴重的狀態,其餘商品將正常出貨。
特別提醒:部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供,需以QR CODE 連結至當地網站註冊“並通過驗證程序”,方可下載使用。
無現貨庫存之簡體書,將向海外調貨:
海外有庫存之書籍,等候約45個工作天;
海外無庫存之書籍,平均作業時間約60個工作天,然不保證確定可調到貨,尚請見諒。
為了保護您的權益,「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨,請在商品鑑賞期內寄回,且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。