| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 无损检测技术概述 | 第12-13页 |
| 1.3 国内外研究现状 | 第13-16页 |
| 1.3.1 国外高光谱成像技术在水果外部品质检测方面研究现状 | 第13-14页 |
| 1.3.2 国内高光谱成像技术在水果外部品质检测方面研究现状 | 第14-16页 |
| 1.4 研究目标、内容及技术路线 | 第16-18页 |
| 1.4.1 研究目标 | 第16页 |
| 1.4.2 研究内容与方法 | 第16-17页 |
| 1.4.3 技术路线 | 第17-18页 |
| 1.5 本章小结 | 第18-19页 |
| 第二章 试验材料、仪器与方法 | 第19-32页 |
| 2.1 鲜杏高光谱图像采集 | 第19-21页 |
| 2.1.1 鲜杏样本 | 第19页 |
| 2.1.2 高光谱成像原理 | 第19-20页 |
| 2.1.3 鲜杏高光谱采集系统 | 第20-21页 |
| 2.1.4 鲜杏高光谱图像校正 | 第21页 |
| 2.1.5 鲜杏高光谱图像裁剪 | 第21页 |
| 2.2 光谱数据预处理方法 | 第21-23页 |
| 2.2.1 平滑法 | 第21-22页 |
| 2.2.2 多元散射校正 | 第22-23页 |
| 2.2.3 标准正态变量校正 | 第23页 |
| 2.3 数据降维方法 | 第23-24页 |
| 2.3.1 主成分分析 | 第23-24页 |
| 2.3.2 最小噪声分离 | 第24页 |
| 2.4 模式识别方法 | 第24-27页 |
| 2.4.1 支持向量机 | 第24-25页 |
| 2.4.2 BP神经网络 | 第25-26页 |
| 2.4.3 偏最小二乘判别 | 第26-27页 |
| 2.5 高光谱图像处理方法 | 第27-29页 |
| 2.5.1 图像预处理 | 第27页 |
| 2.5.2 图像波段比运算 | 第27页 |
| 2.5.3 边缘检测 | 第27-28页 |
| 2.5.4 形态学运算 | 第28-29页 |
| 2.6 工具软件 | 第29-31页 |
| 2.7 本章小结 | 第31-32页 |
| 第三章 基于光谱信息的鲜杏缺陷判别 | 第32-39页 |
| 3.1 感兴趣区域提取与光谱数据分析 | 第32-33页 |
| 3.2 光谱数据预处理 | 第33页 |
| 3.3 最优预处理方法选择 | 第33-34页 |
| 3.4 特征波段选择 | 第34-35页 |
| 3.5 光谱数据判别分析 | 第35-38页 |
| 3.5.1 特征波段与全波段的SVM识别对比 | 第35-36页 |
| 3.5.2 特征波段与全波段的PLS-DA识别对比 | 第36-37页 |
| 3.5.3 特征波段与全波段的BP神经网络分类识别效果比较 | 第37-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第四章 基于图像信息的鲜杏缺陷判别 | 第39-48页 |
| 4.1 缺陷鲜杏和正常鲜杏的光谱特征 | 第39页 |
| 4.2 主成分分析 | 第39-41页 |
| 4.2.1 全波段PCA | 第39-40页 |
| 4.2.2 特征波段PCA | 第40-41页 |
| 4.3 最小噪声分离 | 第41-43页 |
| 4.3.1 全波段MNF | 第41-42页 |
| 4.3.2 特征波段MNF | 第42-43页 |
| 4.4 PCA与MNF缺陷识别结果对比 | 第43-45页 |
| 4.5 图像波段比运算 | 第45-46页 |
| 4.6 本章小结 | 第46-48页 |
| 第五章 结论与展望 | 第48-50页 |
| 5.1 结论 | 第48-49页 |
| 5.2 展望 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 致谢 | 第53-54页 |
| 作者简介 | 第54-55页 |
| 石河子大学硕士研究生学位论文导师评阅表 | 第55页 |
