虚拟环境下机器视觉色彩识别技术研究及应用
| 摘要 | 第1-3页 |
| Abstract | 第3-6页 |
| 第1章 绪论 | 第6-13页 |
| ·课题研究的目的及意义 | 第6-7页 |
| ·国内外研究现状 | 第7-11页 |
| ·国外研究现状 | 第8-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文主要研究的内容 | 第11-13页 |
| 第2章 虚拟仪器技术基础 | 第13-21页 |
| ·虚拟仪器概念 | 第13-14页 |
| ·虚拟仪器硬件构成 | 第14-16页 |
| ·虚拟仪器软件 | 第16-20页 |
| ·虚拟仪器开发软件LabVIEW | 第16-17页 |
| ·NI 机器视觉开发工具NI Vision | 第17-19页 |
| ·NI 虚拟仪器数据库工具LabSQL | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 图像色彩模型及图像预处理 | 第21-34页 |
| ·彩色图像基础 | 第21-22页 |
| ·色彩来源及视觉感觉 | 第21-22页 |
| ·色调、亮度和饱和度 | 第22页 |
| ·彩色图像的颜色空间 | 第22-26页 |
| ·RGB 模型 | 第23页 |
| ·HSI 模型 | 第23-25页 |
| ·RGB 模型与HIS 模型之间的转换 | 第25-26页 |
| ·图像文件格式 | 第26-29页 |
| ·图像文件结构 | 第26-27页 |
| ·图像文件常用参数 | 第27页 |
| ·图像文件的类型 | 第27-29页 |
| ·图像预处理 | 第29-32页 |
| ·直方图均衡化 | 第29-30页 |
| ·图像的平滑滤波 | 第30-32页 |
| ·小结 | 第32-34页 |
| 第4章 番茄酱图像分割 | 第34-40页 |
| ·图像分割概述 | 第34-35页 |
| ·阈值分割 | 第35-37页 |
| ·最优阈值分割 | 第36页 |
| ·双峰阈值分割 | 第36-37页 |
| ·极小值点阈值分割 | 第37页 |
| ·迭代阈值分割 | 第37页 |
| ·边缘检测法 | 第37-39页 |
| ·梯度边缘检测算子 | 第38页 |
| ·Sobel 边缘检测算子 | 第38-39页 |
| ·拉普拉斯边缘检测算子 | 第39页 |
| ·小结 | 第39-40页 |
| 第5章 番茄酱色彩特征的提取 | 第40-43页 |
| ·特征识别概述 | 第40页 |
| ·不变矩理论 | 第40-41页 |
| ·颜色特征分析与提取 | 第41-42页 |
| ·小结 | 第42-43页 |
| 第6章 BP 神经网络下番茄酱色彩品质的识别 | 第43-51页 |
| ·BP 神经网络 | 第43-44页 |
| ·BP 算法及实现 | 第44-46页 |
| ·BP 网络算法原理 | 第44-45页 |
| ·BP 算法的实现 | 第45-46页 |
| ·BP 算法在番茄酱色彩识别中的应用 | 第46-51页 |
| ·BP 网络的确定 | 第46页 |
| ·BP 网络训练学习的预处理 | 第46-48页 |
| ·神经网络学习训练分类结果 | 第48-51页 |
| 第7章 番茄酱色彩机器视觉系统的设计 | 第51-67页 |
| ·系统硬件设计 | 第51-57页 |
| ·系统光源的选取 | 第51-52页 |
| ·图像传感器 | 第52-56页 |
| ·图像采集卡 | 第56-57页 |
| ·系统软件设计 | 第57-66页 |
| ·图像采集模块 | 第58-59页 |
| ·图像预处理模块 | 第59-63页 |
| ·图像分割模块 | 第63-64页 |
| ·图像特征分析识别模块 | 第64-66页 |
| ·小结 | 第66-67页 |
| 第8章 总结与展望 | 第67-69页 |
| 参考文献 | 第69-71页 |
| 附录：图像处理系统的程序图 | 第71-77页 |
| 致谢 | 第77-78页 |
| 研究生期间发表的论文 | 第78-80页 |
