食品（虾仁）分拣系统中的图像处理算法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 1 绪论 | 第7-14页 |
| ·食品分选系统简介 | 第7-8页 |
| ·虾仁分选系统简介 | 第8-10页 |
| ·国内外研究现状及存在的问题 | 第10-12页 |
| ·本文主要工作 | 第12页 |
| ·本文结构安排 | 第12-14页 |
| 2 虾仁图像的分割 | 第14-27页 |
| ·引言 | 第14-16页 |
| ·基于背景颜色集提取物料图像区 | 第16-17页 |
| ·自适应阈值分割 | 第17-19页 |
| ·基于轮廓凹点的虾仁图像分割算法 | 第19-25页 |
| ·模糊C均值聚类分割算法 | 第19-21页 |
| ·基于轮廓凹点的分割算法 | 第21-25页 |
| ·分割结果分析 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 虾仁图像的特征抽取 | 第27-41页 |
| ·引言 | 第27页 |
| ·虾仁图像预处理 | 第27-30页 |
| ·图像去噪处理 | 第28页 |
| ·图像灰度化 | 第28页 |
| ·图像大小归一化 | 第28-29页 |
| ·图像中心化 | 第29页 |
| ·灰度线性拉伸 | 第29-30页 |
| ·基于HSV颜色模型下的颜色直方图特征 | 第30-33页 |
| ·颜色模型的选取 | 第30-31页 |
| ·颜色量化 | 第31-32页 |
| ·统计颜色直方图 | 第32-33页 |
| ·直方图相似性度量 | 第33页 |
| ·基于梯度统计的形状特征抽取 | 第33-38页 |
| ·基于不变矩的形状特征 | 第33-35页 |
| ·基于梯度统计的形状特征 | 第35-38页 |
| ·基于平均检索精度的特征融合 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 4 分类器设计 | 第41-46页 |
| ·引言 | 第41页 |
| ·本文采用的分类器 | 第41-42页 |
| ·分类结果比较 | 第42-45页 |
| ·本章小结 | 第45-46页 |
| 5 系统应用 | 第46-64页 |
| ·系统平台构成 | 第46-49页 |
| ·虾仁分选系统总体结构 | 第46-47页 |
| ·FPGA简介及在平台中的作用 | 第47-48页 |
| ·DSP简介及在平台中的作用 | 第48-49页 |
| ·系统应用的分选算法 | 第49-51页 |
| ·应用中的算法改进和程序优化 | 第51-57页 |
| ·基于FPGA特性的区域标记算法改进 | 第51-56页 |
| ·基于DSP特点的程序优化 | 第56-57页 |
| ·算法优化后的性能 | 第57页 |
| ·系统完善性工作介绍 | 第57-61页 |
| ·虾仁分选系统上位机程序 | 第57-58页 |
| ·虾仁仿真平台程序 | 第58-59页 |
| ·图像特征库管理 | 第59-61页 |
| ·系统测试结果与分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
