| 摘要 | 第8-9页 |
| Abstract | 第9-10页 |
| 1 引言 | 第11-16页 |
| 1.1 研究目的和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 图像处理技术在农产品检测中研究现状 | 第12-13页 |
| 1.2.2 高光谱成像技术在农产品检测中的研究现状 | 第13-15页 |
| 1.3 研究的技术路线 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 实验材料、设备与方法 | 第16-25页 |
| 2.1 实验材料 | 第16页 |
| 2.2 实验设备 | 第16-20页 |
| 2.2.1 基于图像处理技术的图像采集系统 | 第16-19页 |
| 2.2.2 基于高光谱技术的图像采集系统 | 第19-20页 |
| 2.3 图像处理与识别技术基本原理 | 第20-21页 |
| 2.3.1 图像处理技术 | 第20-21页 |
| 2.3.2 图像识别技术 | 第21页 |
| 2.4 高光谱图像的信息处理技术 | 第21-24页 |
| 2.4.1 高光谱图像检测技术的基本理论 | 第21-23页 |
| 2.4.2 高光谱图像数据的组成 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 3 图像预处理 | 第25-34页 |
| 3.1 图像灰度化 | 第25-26页 |
| 3.2 图像去噪 | 第26-27页 |
| 3.3 边缘检测 | 第27-29页 |
| 3.4 图像分割 | 第29-33页 |
| 3.4.1 目标与背景分割 | 第29-31页 |
| 3.4.2 孔洞填充 | 第31-32页 |
| 3.4.3 豆粒黏连分割 | 第32-33页 |
| 3.5 本章小结 | 第33-34页 |
| 4 大豆的波谱分析 | 第34-38页 |
| 4.1 光谱分析法 | 第34-35页 |
| 4.2 大豆籽粒的波谱分析 | 第35-36页 |
| 4.3 不同等级大豆的波谱分析 | 第36-37页 |
| 4.4 本章小结 | 第37-38页 |
| 5 大豆特征波段图像的提取及融合 | 第38-46页 |
| 5.1 主成分分析法 | 第38-41页 |
| 5.1.1 主成分分析的数学模型 | 第38-39页 |
| 5.1.2 主成分分析的计算步骤 | 第39-41页 |
| 5.2 特征波段的提取 | 第41-42页 |
| 5.3 小波变换的基本原理 | 第42-44页 |
| 5.4 基于小波分析的图像融合 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 6 基于高光谱成像技术的大豆等级识别 | 第46-55页 |
| 6.1 特征提取与降维 | 第46-51页 |
| 6.1.1 特征提取 | 第46-50页 |
| 6.1.2 特征数据降维 | 第50-51页 |
| 6.2 BP神经网络 | 第51-54页 |
| 6.2.1 构建合理的BP神经网络 | 第51-54页 |
| 6.2.2 网络测试 | 第54页 |
| 6.3 本章小结 | 第54-55页 |
| 7 结论与展望 | 第55-57页 |
| 7.1 结论 | 第55页 |
| 7.2 展望 | 第55-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 | 第61-63页 |
| 攻读硕士学位期间发表的学术论文 | 第63页 |