目标识别技术在种子计数方法中的研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 种子计数的国内外研究现状 | 第12-13页 |
| 1.2.2 种子图像分割的国内外研究现状 | 第13-15页 |
| 1.3 课题研究内容和结构安排 | 第15-17页 |
| 第2章 图像识别技术基础 | 第17-24页 |
| 2.1 数字图像处理 | 第17-18页 |
| 2.2 数字图像处理与识别 | 第18-21页 |
| 2.2.1 目标识别技术基础 | 第18-20页 |
| 2.2.2 数字图像处理与识别的一般过程 | 第20-21页 |
| 2.3 种子图像处理流程 | 第21-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 种子图像预处理 | 第24-36页 |
| 3.1 图像灰度化 | 第24-26页 |
| 3.2 图像增强 | 第26-30页 |
| 3.2.1 空域图像增强 | 第28-29页 |
| 3.2.2 双边滤波方法 | 第29-30页 |
| 3.3 种子图像的双重滤波预处理 | 第30-32页 |
| 3.4 边缘检测 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 种子图像分割 | 第36-54页 |
| 4.1 图像分割概述 | 第36-37页 |
| 4.2 经典图像分割算法 | 第37-43页 |
| 4.2.1 区域分割算法 | 第37-38页 |
| 4.2.2 聚类分割算法 | 第38-41页 |
| 4.2.3 数学形态学分割算法 | 第41-43页 |
| 4.3 改进FCM的种子图像分割算法 | 第43-51页 |
| 4.3.1 模糊C均值聚类算法 | 第43-45页 |
| 4.3.2 基于双特征加权的FCM聚类算法 | 第45-51页 |
| 4.4 实验结果与分析 | 第51-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第5章 种子图像识别与统计 | 第54-81页 |
| 5.1 种子图像特征 | 第54-60页 |
| 5.1.1 种子特征及提取 | 第55-57页 |
| 5.1.2 种子粘连区域有效特征提取算法 | 第57-60页 |
| 5.2 种子独立区域标记 | 第60-64页 |
| 5.3 粘连区域图像的分类与识别 | 第64-76页 |
| 5.3.1 SVM分类器 | 第64-68页 |
| 5.3.2 SVM模型的建立 | 第68-73页 |
| 5.3.3 SVM识别种子粘连图像 | 第73-76页 |
| 5.4 实验结果与分析 | 第76-80页 |
| 5.5 本章小结 | 第80-81页 |
| 结论 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第87-88页 |
| 致谢 | 第88-89页 |
