基于高光谱成像技术的损伤马铃薯的识别与损伤程度的分类
| 中文摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 研究的目的及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 对已有研究的思考和分析 | 第15页 |
| 1.4 研究内容 | 第15-17页 |
| 第2章 实验系统装置与材料 | 第17-23页 |
| 2.1 引言 | 第17页 |
| 2.2 实验样本 | 第17-18页 |
| 2.3 高光谱成像系统的搭建 | 第18页 |
| 2.4 马铃薯定量损伤实验 | 第18-20页 |
| 2.5 高光谱数据的采集与校正 | 第20-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 高光谱数据分析方法 | 第23-35页 |
| 3.1 高光谱图像的形态学处理 | 第23-27页 |
| 3.1.1 高光谱图像的背景分割方法 | 第23-26页 |
| 3.1.2 腐蚀与膨胀 | 第26页 |
| 3.1.3 高光谱图像的剪裁方法 | 第26-27页 |
| 3.2 光谱数据的预处理方法 | 第27-28页 |
| 3.3 特征波长的提取方法 | 第28-30页 |
| 3.3.1 模拟退火算法 | 第28-29页 |
| 3.3.2 模拟退火算法的优化 | 第29-30页 |
| 3.4 建模方法的研究 | 第30-34页 |
| 3.4.1 LDA分类原理 | 第31-32页 |
| 3.4.2 SVM分类原理 | 第32-33页 |
| 3.4.3 AdaBoost分类原理 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第4章 高光谱图像预处理与敏感区域提取 | 第35-42页 |
| 4.1 引言 | 第35页 |
| 4.2 高光谱图像的预处理 | 第35-39页 |
| 4.2.1 高光谱图像的分割 | 第35-39页 |
| 4.2.2 高光谱图像的剪裁 | 第39页 |
| 4.3 感兴趣区域的提取 | 第39-41页 |
| 4.4 本章小结 | 第41-42页 |
| 第5章 损伤马铃薯的识别与损伤程度的分类 | 第42-49页 |
| 5.1 引言 | 第42页 |
| 5.2 分类模型的选择 | 第42-43页 |
| 5.3 光谱数据的预处理及分类模型的建立 | 第43-45页 |
| 5.4 特征波长的提取 | 第45-47页 |
| 5.5 模型性能的验证 | 第47-48页 |
| 5.6 本章小结 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-59页 |
| 致谢 | 第59-60页 |
| 攻读学位期间发表的学术论文 | 第60页 |
