| 论文受以下项目资助 | 第6-7页 |
| 致谢 | 第7-9页 |
| 摘要 | 第9-11页 |
| ABSTRACT | 第11-12页 |
| 插图清单 | 第13-17页 |
| 表格清单 | 第17-19页 |
| 目录 | 第19-22页 |
| 第一章 绪论 | 第22-33页 |
| 1.1 研究背景和意义 | 第22-25页 |
| 1.1.1 我国水果产业概况 | 第22页 |
| 1.1.2 水果品质检测与分级技术 | 第22-23页 |
| 1.1.3 基于机器视觉技术的水果品质检测 | 第23-25页 |
| 1.2 图像匹配技术研究现状 | 第25-30页 |
| 1.2.1 基于灰度的匹配算法 | 第25-27页 |
| 1.2.2 基于特征的匹配算法 | 第27-29页 |
| 1.2.3 其他图像匹配算法 | 第29-30页 |
| 1.3 本文主要研究内容与技术路线 | 第30-32页 |
| 1.3.1 研究目标 | 第30页 |
| 1.3.2 研究内容 | 第30-31页 |
| 1.3.3 本文各章节内容安排 | 第31-32页 |
| 1.3.4 技术路线 | 第32页 |
| 1.4 本章小结 | 第32-33页 |
| 第二章 蛇果图像采集系统构建 | 第33-53页 |
| 2.1 实验材料与需求分析 | 第33-35页 |
| 2.1.1 实验条件与材料 | 第33-34页 |
| 2.1.2 需求分析与系统总体设计 | 第34-35页 |
| 2.2 光照系统构建 | 第35-39页 |
| 2.2.1 光源选择 | 第35-37页 |
| 2.2.2 光照方式设计 | 第37-39页 |
| 2.3 图像采集系统搭建 | 第39-41页 |
| 2.3.1 镜头与相机的选择 | 第39-40页 |
| 2.3.2 系统整体搭建 | 第40-41页 |
| 2.4 图像采集软件开发 | 第41-48页 |
| 2.4.1 需求分析与开发环境介绍 | 第41页 |
| 2.4.2 图像采集软件功能介绍 | 第41-48页 |
| 2.4.3 系统软硬件整体调试 | 第48页 |
| 2.5 实验图像获取方法 | 第48-51页 |
| 2.5.1 图像采集过程 | 第48-49页 |
| 2.5.2 图像匹配区域选取 | 第49-51页 |
| 2.6 本章小结 | 第51-53页 |
| 第三章 基于SIFT算法与动态分量系数法的图像匹配 | 第53-79页 |
| 3.1 图像匹配方法介绍 | 第53-62页 |
| 3.1.1 基于特征旳图像匹配方法介绍 | 第53-54页 |
| 3.1.2 SIFT算法对蛇果表面图像匹配的适应性分析 | 第54-61页 |
| 3.1.3 图像匹配算法的性能评价指标 | 第61-62页 |
| 3.2 基于SIFT算法与动态分量系数法的图像匹配软件开发 | 第62-64页 |
| 3.2.1 软件总体设计 | 第62页 |
| 3.2.2 软件功能介绍 | 第62-64页 |
| 3.3 蛇果表面图像匹配初步探究 | 第64-68页 |
| 3.3.1 图像分辨率初步选择 | 第64-65页 |
| 3.3.2 默认灰度图像的匹配方法 | 第65-67页 |
| 3.3.3 单分量图像的匹配方法 | 第67页 |
| 3.3.4 结果讨论 | 第67-68页 |
| 3.4 动态分量系数图像的匹配 | 第68-69页 |
| 3.4.1 匹配计算及其结果 | 第68页 |
| 3.4.2 匹配计算用时测试 | 第68-69页 |
| 3.4.3 本节小结 | 第69页 |
| 3.5 误匹配点剔除算法研究及实验验证 | 第69-77页 |
| 3.5.1 误匹配点类型分析 | 第70-71页 |
| 3.5.2 误匹配点剔除算法研究 | 第71-76页 |
| 3.5.3 算法参数优选及其结果 | 第76-77页 |
| 3.5.4 算法用时测试 | 第77页 |
| 3.6 本章小结 | 第77-79页 |
| 第四章 SIFT算法的改进及其适应性验证 | 第79-91页 |
| 4.1 SIFT算法性能测试软件开发 | 第79-81页 |
| 4.1.1 软件总体设计 | 第79页 |
| 4.1.2 软件功能介绍 | 第79-81页 |
| 4.2 SIFT算法的分析 | 第81-84页 |
| 4.2.1 SIFT算法特征点检测用时测量与分析 | 第81-82页 |
| 4.2.2 不同尺度空间的特征点检测性能测试 | 第82-84页 |
| 4.3 SIFT算法的改进 | 第84-88页 |
| 4.3.1 算法改进设想 | 第84页 |
| 4.3.2 S-SIFT算法的性能测试 | 第84-85页 |
| 4.3.3 S-SIFT算法的适应性验证 | 第85-87页 |
| 4.3.4 S-SIFT算法匹配计算用时统计 | 第87-88页 |
| 4.4 蛇果表面图像自动拼接软件实现 | 第88-90页 |
| 4.5 本章小结 | 第90-91页 |
| 第五章 基于斑点提取与邻近点向量法的图像匹配 | 第91-112页 |
| 5.1 基于斑点提取与邻近点向量法的图像匹配软件开发 | 第91-92页 |
| 5.1.1 软件总体设计 | 第91页 |
| 5.1.2 软件功能介绍 | 第91-92页 |
| 5.2 斑点提取方法研究 | 第92-99页 |
| 5.2.1 基于高斯差分图像极值点检测 | 第92-95页 |
| 5.2.2 基于Harris角点检测 | 第95-98页 |
| 5.2.3 基于Canny边缘检测 | 第98-99页 |
| 5.3 匹配方法研究及其实验验证 | 第99-104页 |
| 5.3.1 匹配方法研究 | 第99-102页 |
| 5.3.2 斑点提取方法与匹配方法实验验证 | 第102-104页 |
| 5.4 误匹配剔除算法研究及其实验验证 | 第104-110页 |
| 5.4.1 误匹配点剔除算法研究 | 第104-108页 |
| 5.4.2 误匹配点剔除算法实验验证 | 第108-110页 |
| 5.5 匹配算法用时统计 | 第110页 |
| 5.6 本章小节 | 第110-112页 |
| 第六章 总结与展望 | 第112-115页 |
| 6.1 研究结论 | 第112-113页 |
| 6.2 主要创新点 | 第113-114页 |
| 6.3 展望 | 第114-115页 |
| 参考文献 | 第115-119页 |
| 作者简历 | 第119页 |
