计算机视觉竹块颜色分类方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究目的与意义 | 第10页 |
| ·国内外研究概况 | 第10-12页 |
| ·计算机视觉技术在农产品品质检测及分级中的应用 | 第11页 |
| ·计算机视觉在颜色检测分类研究现状 | 第11-12页 |
| ·国外研究 | 第11页 |
| ·国内研究 | 第11-12页 |
| ·研究内容、目标与技术路线 | 第12-13页 |
| ·研究的内容与目标 | 第12页 |
| ·技术路线 | 第12-13页 |
| 第二章 计算机视觉系统设计 | 第13-17页 |
| ·计算机视觉硬件系统 | 第13-14页 |
| ·计算机 | 第13页 |
| ·图像获取装置 | 第13-14页 |
| ·照明系统设计 | 第14页 |
| ·背景的选择 | 第14-15页 |
| ·颜色校正 | 第15页 |
| ·计算机视觉系统软件 | 第15页 |
| ·实验样本与图像获取 | 第15-16页 |
| ·实验样本及人工分类 | 第15页 |
| ·图像获取 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 图像处理 | 第17-29页 |
| ·图像去噪 | 第17-19页 |
| ·背景分割 | 第19-24页 |
| ·背景分割方法 | 第19-21页 |
| ·阈值的确定 | 第21-22页 |
| ·数学形态学处理 | 第22-24页 |
| ·单个竹块提取 | 第24-25页 |
| ·区域标记 | 第24-25页 |
| ·竹块提取 | 第25页 |
| ·倾斜校正 | 第25-27页 |
| ·颜色判定的有效区域的提取 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 颜色特征提取 | 第29-34页 |
| ·颜色模型 | 第29-31页 |
| ·RGB模型 | 第29页 |
| ·HSI模型 | 第29-31页 |
| ·竹块颜色特征 | 第31-33页 |
| ·基于直方图的特征提取 | 第31-32页 |
| ·基于图像分割的颜色缺陷特征提取 | 第32-33页 |
| ·特征优选及归一化 | 第33页 |
| ·特征优选 | 第33页 |
| ·归一化处理 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第五章 颜色分类器的设计 | 第34-44页 |
| ·常用分类器及其特点 | 第34页 |
| ·人工神经网络理论 | 第34-35页 |
| ·神经元模型 | 第34-35页 |
| ·神经网络的优势 | 第35页 |
| ·BP网络及其改进 | 第35-39页 |
| ·BP网络模型与结构 | 第35-37页 |
| ·BP学习算法 | 第37页 |
| ·BP算法的改进 | 第37-39页 |
| ·BP网络判定竹块类别 | 第39-43页 |
| ·BP网络设计 | 第39-41页 |
| ·网络层数 | 第39页 |
| ·每层节点数 | 第39-40页 |
| ·输入样本 | 第40页 |
| ·传输函数的确定 | 第40页 |
| ·训练函数的选取 | 第40页 |
| ·学习速率 | 第40页 |
| ·期望误差选取 | 第40-41页 |
| ·网络训练及识别结果分析 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第六章 结论与展望 | 第44-45页 |
| ·结论 | 第44页 |
| ·展望与建议 | 第44-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-48页 |
| 作者简介 | 第48页 |
