| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 图目录 | 第9-10页 |
| 表目录 | 第10-11页 |
| 1 绪论 | 第11-21页 |
| ·本课题研究的目的和意义 | 第11-12页 |
| ·计算机图像处理技术在木材科学研究中的应用 | 第12-13页 |
| ·木材材种识别技术与分类方法 | 第13-16页 |
| ·木材材种识别技术 | 第13-15页 |
| ·木材材种分类方法 | 第15-16页 |
| ·图像分割和特征融合技术研究状况 | 第16-19页 |
| ·图像分割方法综述 | 第16-18页 |
| ·特征融合技术国内外研究状况 | 第18-19页 |
| ·研究内容和创新点 | 第19-20页 |
| ·研究内容及方案 | 第19页 |
| ·研究创新点 | 第19-20页 |
| ·本文组织结构 | 第20-21页 |
| 2 实验材料准备和图像预处理 | 第21-32页 |
| ·实验材料准备 | 第21-25页 |
| ·木材显微图像降噪与增强处理 | 第25-29页 |
| ·邻域平滑滤波 | 第25-26页 |
| ·图像中值滤波 | 第26-27页 |
| ·自适应中值滤波 | 第27-29页 |
| ·木材显微图像均衡化处理 | 第29-31页 |
| ·灰度直方图 | 第29页 |
| ·直方图均衡化处理 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 3 基于 ThreshCanny 的木材横切面显微图像分割 | 第32-43页 |
| ·几种常用的图像分割算法 | 第32-37页 |
| ·分水岭法 | 第32-33页 |
| ·区域生长法 | 第33-34页 |
| ·聚类法 | 第34-35页 |
| ·边缘检测法 | 第35-37页 |
| ·ThresCanny 图像分割 | 第37-41页 |
| ·自动阈值分割法 | 第37-38页 |
| ·坎尼边缘检测法 | 第38页 |
| ·ThreshCanny 图像分割算法 | 第38-40页 |
| ·木材细胞组织边缘提取 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 4 基于 Graph Cuts 的木材横切面显微图像分割 | 第43-52页 |
| ·Ford-Fulkerson 最大流算法 | 第43-44页 |
| ·Graph Cuts 图像分割 | 第44-47页 |
| ·Graph Cuts 的基本原理 | 第44-45页 |
| ·Graph Cuts 分割实验 | 第45-47页 |
| ·木材细胞组织轮廓平滑处理 | 第47-50页 |
| ·区域填充处理 | 第47页 |
| ·数学形态学处理 | 第47-50页 |
| ·木材细胞组织轮廓提取 | 第50页 |
| ·本章小结 | 第50-52页 |
| 5 木材横切面显微图像特征参数提取与特征融合 | 第52-66页 |
| ·木材细胞特征参数提取 | 第52-54页 |
| ·特征参数分析与降维 | 第54-64页 |
| ·特征参数分析 | 第56-59页 |
| ·主成分分析 | 第59-62页 |
| ·特征参数降维 | 第62-64页 |
| ·特征融合 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 6 基于融合特征的木材材种分类 | 第66-76页 |
| ·传统分类方法 | 第66-67页 |
| ·基于机器学习的分类方法 | 第67-68页 |
| ·各分类器的实验结果与分析 | 第68-75页 |
| ·本章小结 | 第75-76页 |
| 7 结论与展望 | 第76-78页 |
| ·本文结论 | 第76-77页 |
| ·下一步研究方向 | 第77-78页 |
| 参考文献 | 第78-84页 |
| 个人简介 | 第84-85页 |
| 致谢 | 第85-86页 |
| 附录 | 第86页 |