田间青椒图像识别系统的研究
| 摘要 | 第1-9页 |
| Abstract | 第9-10页 |
| 1 引言 | 第10-13页 |
| ·研究的目的与意义 | 第10-11页 |
| ·田间蔬果识别国内外研究概况 | 第11-12页 |
| ·本课题研究的主要内容和方法 | 第12页 |
| ·本章小结 | 第12-13页 |
| 2 计算机视觉理论和图像采集 | 第13-16页 |
| ·计算机视觉理论 | 第13-14页 |
| ·数字图像概述 | 第13-14页 |
| ·计算机视觉系统 | 第14页 |
| ·图像采集 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 3 图像颜色的预处理及图像与背景分离的研究 | 第16-41页 |
| ·图像的颜色空间概述 | 第16-24页 |
| ·RGB 颜色模型 | 第16-17页 |
| ·HIS 颜色模型 | 第17-18页 |
| ·两种颜色模型对原始图像的转换研究 | 第18-19页 |
| ·对于青椒及其周围图像颜色特征的处理方法 | 第19-24页 |
| ·图像分割 | 第24-26页 |
| ·阈值分割概述 | 第24-25页 |
| ·青椒图像的阈值分割 | 第25-26页 |
| ·图像平滑 | 第26-32页 |
| ·邻域平均法 | 第27-28页 |
| ·加权平均法 | 第28-29页 |
| ·中值滤波 | 第29-31页 |
| ·青椒图像的平滑 | 第31-32页 |
| ·利用图像二值形态学去除误判小区域和空洞填充 | 第32-35页 |
| ·二值图像数学形态学原理 | 第33-34页 |
| ·去除误判小区域 | 第34-35页 |
| ·空洞填充 | 第35页 |
| ·图像边缘检测 | 第35-39页 |
| ·Roberts 算子 | 第36-37页 |
| ·Log 算子 | 第37-38页 |
| ·Canny 算子 | 第38-39页 |
| ·青椒图像的边缘检测 | 第39页 |
| ·本章小结 | 第39-41页 |
| 4 图像的特征提取 | 第41-46页 |
| ·图像形状特征原理 | 第41-43页 |
| ·图像特征提取原则 | 第43页 |
| ·青椒形状特征分析 | 第43-45页 |
| ·本章小结 | 第45-46页 |
| 5 BP 神经网络图像识别系统的设计 | 第46-57页 |
| ·BP 神经网络原理 | 第46-48页 |
| ·青椒识别系统BP 网络模型的建立 | 第48-52页 |
| ·网络输入层结点的确定 | 第49页 |
| ·网络输出层结点的确定 | 第49-50页 |
| ·网络层数的确定 | 第50页 |
| ·网络传递函数的确定 | 第50页 |
| ·网络隐含层结点的确定 | 第50-51页 |
| ·初始权值的选择 | 第51-52页 |
| ·青椒识别系统的BP 神经网络 | 第52-55页 |
| ·BP 神经网络改进算法 | 第52-53页 |
| ·BP 网络学习速率和动量因子的确定 | 第53-55页 |
| ·识别结果的统计及分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 6 青椒图像的拟合 | 第57-60页 |
| ·最小二乘法原理 | 第57-58页 |
| ·利用圆的拟合求得青椒图像质心 | 第58页 |
| ·拟合结果统计 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 7 结论与展望 | 第60-62页 |
| ·结论 | 第60-61页 |
| ·展望 | 第61-62页 |
| 致谢 | 第62-63页 |
| 参考文献 | 第63-65页 |
| 附录 | 第65-66页 |
| 攻读硕士学位期间发表的学术论文 | 第66页 |
