基于数字图像处理的玉米种子质量分级方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·玉米种子分级研究背景 | 第9-10页 |
| ·玉米种子检验的目的与意义 | 第9-10页 |
| ·传统玉米种子检验的局限性 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12-13页 |
| ·研究内容和方法 | 第13-14页 |
| ·本章小结 | 第14-15页 |
| 第2章 玉米种子分级系统的总体设计 | 第15-18页 |
| ·玉米种子分级系统的总体结构 | 第15页 |
| ·图像采集 | 第15-17页 |
| ·采集工具 | 第15-16页 |
| ·采集方法 | 第16页 |
| ·选取种子状态 | 第16页 |
| ·样本数量 | 第16-17页 |
| ·玉米种子预处理算法 | 第17页 |
| ·特征提取算法 | 第17页 |
| ·玉米种子分级算法 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第3章 玉米种子预处理算法研究与实现 | 第18-33页 |
| ·灰度分布 | 第18-19页 |
| ·图像增强 | 第19-20页 |
| ·图像平滑 | 第20-22页 |
| ·邻域平均法 | 第20-21页 |
| ·中值滤波 | 第21-22页 |
| ·图像分割 | 第22-30页 |
| ·边缘检测法 | 第22-26页 |
| ·阈值分割法 | 第26-30页 |
| ·轮廓跟踪 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 玉米图像的特征提取算法与实现 | 第33-39页 |
| ·周长的特征提取 | 第33-34页 |
| ·面积的特征提取 | 第34-35页 |
| ·圆形度的特征提取 | 第35-36页 |
| ·矩形度的特征提取 | 第36页 |
| ·伸长度的特征提取 | 第36页 |
| ·色度的特征提取 | 第36-38页 |
| ·本章小结 | 第38-39页 |
| 第5章 玉米分级算法研究与实现 | 第39-53页 |
| ·基于隶属函数的玉米种子分级算法 | 第39-47页 |
| ·选取训练样本 | 第40页 |
| ·建立单个种子特征参数隶属于标准样本的函数 | 第40-42页 |
| ·确定在单个特征参数下待测样本的品质 | 第42-46页 |
| ·综合判定准则 | 第46页 |
| ·基于隶属函数分级的实验分析 | 第46-47页 |
| ·基于BP神经网络的玉米种子的分级算法 | 第47-52页 |
| ·神经网络系统设计 | 第47-48页 |
| ·BP算法的基本原理 | 第48-49页 |
| ·网络训练与基于BP神经网络的玉米分级实验 | 第49-52页 |
| ·两种分级方法的分析比较 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第6章 结论及展望 | 第53-54页 |
| ·主要结论 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间发表的学术论文 | 第58页 |
