基于图像识别的储粮害虫分类的研究
| 第一章 绪论 | 第1-13页 |
| §1．1 储粮害虫检测的必要性 | 第9-10页 |
| §1．2 国内外储粮害虫检测的主要方法 | 第10-11页 |
| §1．3 基于图像识别的储粮害虫检测新方法 | 第11-12页 |
| §1．4 本论文的主要研究内容 | 第12-13页 |
| 第二章 基于图像识别的储粮害虫检测系统 | 第13-18页 |
| §2．1 害虫检测系统的功能 | 第13页 |
| §2．2 害虫检测系统的总体方案 | 第13-14页 |
| §2．3 系统的硬件和软件设计 | 第14-17页 |
| §2．4 本章小结 | 第17-18页 |
| 第三章 图像预处理与特征抽取 | 第18-34页 |
| §3．1 图像预处理 | 第18-25页 |
| §3．1．1 图像平滑 | 第18-20页 |
| §3．1．2 图像分割 | 第20-25页 |
| §3．2 特征抽取 | 第25-32页 |
| §3．2．1 原始特征的形成 | 第26-29页 |
| §3．2．2 特征选择与提取 | 第29-32页 |
| §3．3 本章小结 | 第32-34页 |
| 第四章 BP神经网络分类器的设计 | 第34-48页 |
| §4．1 传统BP神经网络算法分析 | 第34-37页 |
| §4．1．1 人工神经元模型 | 第34-35页 |
| §4．1．2 前馈网络BP算法 | 第35-37页 |
| §4．2 改进传统BP算法的收敛速度 | 第37-41页 |
| §4．3 BP神经网络结构的优化 | 第41-47页 |
| §4．3．1 网络结构与网络性能 | 第41-42页 |
| §4．3．2 网络结构的优化 | 第42-47页 |
| §4．4 本章小结 | 第47-48页 |
| 第五章 径向基函数神经网络分类器的设计 | 第48-56页 |
| §5．1 径向基函数神经网络模型 | 第48-49页 |
| §5．2 径向基函数神经网络的学习 | 第49-54页 |
| §5．2．1 模糊聚类法确定基函数的中心和方差 | 第50-53页 |
| §5．2．2 输出层权值的学习 | 第53-54页 |
| §5．3 RBF网络与BP网络的比较分析 | 第54-55页 |
| §5．4 本章小结 | 第55-56页 |
| 第六章 模糊和模糊BP网络分类器的设计 | 第56-62页 |
| §6．1 Gauss模糊分类器 | 第56-58页 |
| §6．2 模糊BP网络分类器 | 第58-60页 |
| §6．3 各种分类器的比较分析 | 第60-61页 |
| §6．4 本章小结 | 第61-62页 |
| 第七章 结论与展望 | 第62-64页 |
| §7．1 本文所完成的主要工作 | 第62-63页 |
| §7．2 有待进一步研究的问题 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 在研期间所完成的论文 | 第68-69页 |
| 致谢 | 第69-70页 |
| 附录 | 第70-75页 |
