| 摘要 | 第1-6页 |
| ABSTRACT | 第6-12页 |
| 第一章 文献综述 | 第12-28页 |
| ·牛肉生产利用现状 | 第12-13页 |
| ·牛肉质量分级体系 | 第13-16页 |
| ·美国的牛肉大理石状 | 第13-14页 |
| ·日本的牛肉大理石状 | 第14-15页 |
| ·澳大利亚的牛肉大理石状 | 第15页 |
| ·中国的牛肉大理石状 | 第15-16页 |
| ·计算机视觉牛肉分级技术研究进展 | 第16-22页 |
| ·计算机视觉的概念 | 第16页 |
| ·国外研究进展 | 第16-20页 |
| ·基于计算机视觉与图像处理的牛肉自动分级技术 | 第16-20页 |
| ·国内研究进展 | 第20-22页 |
| ·研究过程中存在的问题及发展方向 | 第22页 |
| ·人工神经网络 | 第22-27页 |
| ·神经组织的基本特征 | 第23-24页 |
| ·人工神经元的M-P模型 | 第24-25页 |
| ·人工神经网络的优点及局限性 | 第25-27页 |
| ·研究内容及目的意义 | 第27-28页 |
| 第二章 基于人工神经网络的牛胴体眼肌切面的图像分割 | 第28-94页 |
| ·关于牛肉大理石花纹定义的分析 | 第28-29页 |
| ·数字图像基本概念 | 第29页 |
| ·彩色空间的分类 | 第29-30页 |
| ·牛胴体眼肌切面图像分割 | 第30-51页 |
| ·图像分割简介 | 第30-35页 |
| ·对于彩色图像分割需面临如下两个主要问题 | 第35页 |
| ·基于最大类间方差法的牛胴体眼肌切面图像分割 | 第35-38页 |
| ·讨论与分析 | 第37-38页 |
| ·基于人工神经网络的牛胴体眼肌切面图像分割 | 第38-51页 |
| ·人工神经网络简介 | 第38-39页 |
| ·像素样本的获取 | 第39-41页 |
| ·基于BP神经网络牛肉眼肌和大理石花纹的图像分割 | 第41-47页 |
| ·基于概率神经网络(PNN)牛胴体眼肌切面图像分割 | 第47-50页 |
| ·讨论与分析 | 第50-51页 |
| ·牛胴体眼肌切面图像处理 | 第51-86页 |
| ·图像滤波处理 | 第51-53页 |
| ·二维中值滤波 | 第51-52页 |
| ·自适应滤波(二维维纳滤波) | 第52-53页 |
| ·二维线性滤波(均值滤波器) | 第53页 |
| ·二值图像处理方法简介 | 第53-55页 |
| ·牛胴体眼肌切面二值图像处理 | 第55-62页 |
| ·图像填充空洞 | 第55页 |
| ·图像腐蚀 | 第55-56页 |
| ·标记连通分量 | 第56页 |
| ·有效眼肌的选择 | 第56-57页 |
| ·图像膨胀 | 第57页 |
| ·图像“与”操作 | 第57-58页 |
| ·本步骤分成二种方法 | 第58-59页 |
| ·图像边缘提取 | 第59-60页 |
| ·彩色图像加运算和二值图像“与”操作 | 第60-61页 |
| ·图像填充空洞 | 第61页 |
| ·图像“非”操作得到牛肉大理石花纹 | 第61-62页 |
| ·上述两种二值图像处理方法提取的大理石花纹图像比较 | 第62-63页 |
| ·牛肉大理石花纹提取的技术路线 | 第63-64页 |
| ·讨论与分析 | 第64页 |
| ·牛肉大理石花纹提取结果 | 第64-66页 |
| ·基于BP神经网络的提取结果 | 第64-66页 |
| ·基于概率神经网络的提取结果 | 第66页 |
| ·牛肉大理石花纹提取结果比较分析 | 第66-67页 |
| ·牛肉大理石花纹分割精确度初步检测与分析 | 第67-69页 |
| ·特殊背景条件下概率神经网络图像分割能力的检测 | 第69-70页 |
| ·亮度不同的条件下概率神经网络图像分割能力的检测 | 第70-72页 |
| ·图像亮度自动调节 | 第72-86页 |
| ·图像目标亮度自动调节法 | 第72-74页 |
| ·图像目标亮度自动调节法技术路线 | 第74-75页 |
| ·图像亮度自动调节结果 | 第75-81页 |
| ·图像目标亮度自动调节法亮度调节范围 | 第81页 |
| ·讨论与分析 | 第81-82页 |
| ·图像目标亮度自动调节法的应用实例分析 | 第82-86页 |
| ·本研究所采用的图像分割方法的缺点分析 | 第86-87页 |
| ·实验 | 第87-93页 |
| ·实验图像样本与设备 | 第87页 |
| ·实验用的图像样本包括两部分 | 第87页 |
| ·牛肉大理石花纹等级的人工评定 | 第87页 |
| ·实验设备 | 第87页 |
| ·图像采集 | 第87页 |
| ·图像筛选 | 第87-88页 |
| ·牛肉大理石花纹图像分割技术路线 | 第88-89页 |
| ·中国牛肉大理石花纹标准图谱图像分割结果 | 第89-93页 |
| ·中国牛肉大理石花纹标准一级 | 第89-90页 |
| ·中国牛肉大理石花纹标准二级 | 第90-91页 |
| ·中国牛肉大理石花纹标准三级 | 第91-92页 |
| ·中国牛肉大理石花纹标准四级 | 第92-93页 |
| ·小结 | 第93-94页 |
| 第三章 牛肉大理石花纹评价分级模型 | 第94-116页 |
| ·牛肉大理石花纹图像特征参数 | 第94-95页 |
| ·数学模型建立与验证所需数据的获取 | 第95页 |
| ·牛肉大理石花纹图像特征参数的残差分析 | 第95-97页 |
| ·残差分析简介 | 第95-97页 |
| ·牛肉大理石花纹图像特征参数的残差分析 | 第97页 |
| ·主成分分析 | 第97-101页 |
| ·主成分分析简介 | 第97-99页 |
| ·主成分分析法的计算步骤 | 第99-100页 |
| ·牛肉大理石花纹图像特征参数的主成分分析 | 第100-101页 |
| ·多元回归分级模型 | 第101-102页 |
| ·多元回归模型简介 | 第101页 |
| ·基于牛肉大理石花纹图像特征7个参数的多元回归分级模型 | 第101-102页 |
| ·基于牛肉大理石花纹图像特征2个主要成分的多元回归分级模型 | 第102页 |
| ·BP神经网络分级模型 | 第102-105页 |
| ·基于牛肉大理石花纹图像特征7个参数BP神经网络分级模型 | 第102-104页 |
| ·基于牛肉大理石花纹图像特征2个主要成分的BP神经网络分级模型 | 第104-105页 |
| ·遗传算法改进的BP网络分级模型 | 第105-111页 |
| ·基于牛肉大理石花纹图像特征7个参数遗传BP神经网络分级模型 | 第105-109页 |
| ·基于牛肉大理石花纹图像特征2个主要成分的遗传BP神经网络分级模型 | 第109-111页 |
| ·概率神经网络分级模型 | 第111-113页 |
| ·基于牛肉大理石花纹图像特征7个参数的概率神经网络分级模型 | 第111-112页 |
| ·基于牛肉大理石花纹图像特征2个主要成分的概率神经网络分级模型 | 第112-113页 |
| ·数学分级模型的性能比较 | 第113页 |
| ·讨论与分析 | 第113-116页 |
| 第四章 结论、创新点与以后需要做的工作 | 第116-118页 |
| ·结论 | 第116-117页 |
| ·创新点 | 第117页 |
| ·以后需要做的工作 | 第117-118页 |
| 参考文献 | 第118-128页 |
| 致谢 | 第128-129页 |
| 读博期间所发文章 | 第129页 |
