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 |