首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于颜色和纹理特征的竹条分级方法研究

摘要第1-8页
ABSTRACT第8-10页
1 绪论第10-16页
   ·研究的目的和意义第10页
   ·机器视觉技术简介及应用现状第10-14页
     ·机器视觉技术简介第10-11页
     ·机器视觉技术在颜色分类、识别中的应用第11-13页
     ·机器视觉技术在纹理分类、识别中的应用第13-14页
   ·研究内容与技术路线第14-16页
     ·主要研究内容第14-15页
     ·研究的技术路线第15-16页
2 图像采集及其预处理第16-22页
   ·实验材料第16页
   ·实验装置及图像采集第16-17页
     ·实验装置第16-17页
     ·图像采集第17页
   ·竹条图像的预处理第17-21页
   ·本章小结第21-22页
3 竹条图像特征分析与参数提取第22-39页
   ·竹条图像颜色特征分析与参数提取第22-28页
     ·颜色直方图第22-23页
     ·颜色矩第23-24页
     ·颜色矩颜色特征参数的提取与分析第24-28页
   ·竹条图像纹理特征第28-32页
     ·灰度共生矩阵第28页
     ·灰度共生矩阵纹理特征参数第28-29页
     ·竹条表面纹理的灰度共生矩构造因子的选取第29-32页
   ·灰度共生矩阵纹理特征参数的提取与分析第32-35页
   ·特征参数的主成分分析第35-37页
   ·本章小结第37-39页
4 基于遗传算法和BP神经网络的竹条分级识别第39-51页
   ·BP神经网络第39页
   ·BP算法及其优化第39-40页
   ·遗传算法简介第40页
   ·基于遗传算法的神经网络初始权值和阈值的优化方法设计第40-42页
     ·编码方式的选择第40-41页
     ·群体规模的设定第41页
     ·适应度函数的选择第41页
     ·遗传算子的选择第41-42页
   ·竹条分级识别的BP神经网络设计与仿真实验第42-48页
     ·在特征参数体系Ⅰ下的BP神经网络设计与仿真实验第42-46页
     ·在特征参数体系Ⅱ下的BP神经网络设计与仿真实验第46-47页
     ·不同特征参数体系实验结果比较与分析第47-48页
   ·基于GA-LMBP神经网络的仿真实验及结果分析第48-50页
   ·本章小结第50-51页
5 基于最小二乘支持向量机的竹条分级识别第51-57页
   ·最优分类平面第51-53页
   ·广义最优分类面第53页
   ·最小二乘支持向量机第53-54页
   ·基于最小二乘支持向量机的竹条分级识别仿真及结果分析第54-56页
     ·多类LSSVM分类器的构建第54页
     ·实验数据及其预处理第54页
     ·核函数的选择和最优参数的确定第54-55页
     ·结果与分析第55-56页
   ·本章小结第56-57页
6 竹条分级识别软件系统第57-61页
   ·软件系统总体框架第57-58页
   ·软件系统主要模块功能的概述第58-60页
     ·图像预处理模块第59页
     ·特征参数提取模块第59-60页
     ·分类识别模块第60页
   ·本章小结第60-61页
7 总结第61-63页
   ·主要研究成果第61页
   ·工作展望第61-63页
参考文献第63-67页
致谢第67-68页
附录 攻读硕士学位期间发表的论文第68页

论文共68页,点击 下载论文
上一篇:基于数字图像的冬小麦、夏玉米长势远程动态监测技术研究
下一篇:基于DSP图像处理的鸡蛋新鲜度实时无损检测研究