储粮昆虫图像模式识别研究
| 中文摘要 | 第1-3页 |
| 英文摘要 | 第3-6页 |
| 第1章 前言 | 第6-10页 |
| 1．1 储粮昆虫图像模式识别的研究意义 | 第6页 |
| 1．2 图像模式识别的概念 | 第6页 |
| 1．3 昆虫图像识别研究现状 | 第6-8页 |
| 1．3．1 国内昆虫图像识别研究现状 | 第6-7页 |
| 1．3．2 国外昆虫图像识别研究现状 | 第7页 |
| 1．3．3 有关昆虫图像识别的产品介绍 | 第7-8页 |
| 1．4 本文的研究思路及内容 | 第8-10页 |
| 第2章 储粮昆虫图像预处理 | 第10-25页 |
| 2．1 平滑去噪 | 第10-12页 |
| 2．2 位置归一化 | 第12-14页 |
| 2．3 图像分割 | 第14-25页 |
| 2．3．1 边缘法实现储粮昆虫分割 | 第16-21页 |
| 2．3．2 足与触角的图像分割 | 第21-25页 |
| 第3章 储粮昆虫图像特征提取 | 第25-35页 |
| 3．1 形状特征提取 | 第25-30页 |
| 3．1．1 全局形状特征 | 第25-29页 |
| 3．1．2 局部形状特征 | 第29-30页 |
| 3．2 黄斑颜色特征 | 第30-32页 |
| 3．3 纹理特征 | 第32-35页 |
| 第4章 储粮昆虫图像特征优选 | 第35-45页 |
| 4．1 特征优选的基本思想 | 第35-36页 |
| 4．2 基于RS理论的特征优选方法 | 第36-45页 |
| 4．2．1 RS理论简介 | 第36页 |
| 4．2．2 RS基本概念与理论基础 | 第36-39页 |
| 4．2．3 决策表条件属性的约简 | 第39-42页 |
| 4．2．4 基于RS理论的特征优选方法 | 第42-45页 |
| 第5章 储粮昆虫分类 | 第45-58页 |
| 5．1 分类器设计的思想基础 | 第45-46页 |
| 5．2 人工神经网络 | 第46-53页 |
| 5．2．1 生物神经元及其模型 | 第46-47页 |
| 5．2．2 人工神经元模型 | 第47-48页 |
| 5．2．3 人工神经网络模型及其特点 | 第48-49页 |
| 5．2．4 BP神经网络基本原理 | 第49-51页 |
| 5．2．5 自组织神经网络基本原理 | 第51-53页 |
| 5．3 BP神经网络分类器 | 第53-54页 |
| 5．4 储粮昆虫分类实验结果 | 第54-58页 |
| 第6章 结论和建议 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-61页 |
