| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第11-19页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 图像预处理研究现状 | 第12页 |
| 1.2.2 特征提取研究现状 | 第12-14页 |
| 1.2.3 分类方法研究现状 | 第14-15页 |
| 1.2.4 机器视觉果蔬分级现状 | 第15-16页 |
| 1.3 课题的提出 | 第16-17页 |
| 1.4 研究目标与内容 | 第17页 |
| 1.5 论文章节安排 | 第17-19页 |
| 2 球形果蔬图像的获取及分级方案设计 | 第19-28页 |
| 2.1 球形果蔬图像的采集 | 第19-21页 |
| 2.1.1 果蔬材料的获取 | 第19-20页 |
| 2.1.2 图像采集设备的建立 | 第20页 |
| 2.1.3 果蔬图像的采集 | 第20-21页 |
| 2.2 球形果蔬图像预处理 | 第21-25页 |
| 2.2.1 图像感兴趣区域提取方法 | 第22-23页 |
| 2.2.2 果蔬图像质量评析 | 第23-25页 |
| 2.3 球形果蔬数据库的建立 | 第25-26页 |
| 2.4 球形果蔬分级方案总体设计 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 3 球形果蔬图像特征提取算法研究及改进 | 第28-50页 |
| 3.1 球形果蔬特征提取算法度量 | 第28-30页 |
| 3.1.1 相似度度量法简介 | 第28-29页 |
| 3.1.2 支持向量机分级结果度量 | 第29-30页 |
| 3.2 球形果蔬图像颜色特征提取算法研究 | 第30-36页 |
| 3.2.1 颜色空间 | 第30-32页 |
| 3.2.2 颜色矩和颜色非等隔量化 | 第32-33页 |
| 3.2.3 对比实验及结果分析 | 第33-36页 |
| 3.3 球形果蔬图像纹理特征提取算法研究 | 第36-42页 |
| 3.3.1 一种改进局部二值模式纹理算法 | 第36-37页 |
| 3.3.2 灰度共生矩阵统计特征提取算法 | 第37-40页 |
| 3.3.3 对比实验及结果分析 | 第40-42页 |
| 3.4 球形果蔬图像形状特征提取算法研究 | 第42-48页 |
| 3.4.1 梯度方向直方图研究与改进 | 第42-44页 |
| 3.4.2 Zenike矩的区域形状描述方法 | 第44-46页 |
| 3.4.3 对比实验及结果分析 | 第46-48页 |
| 3.5 本章小结 | 第48-50页 |
| 4 球形果蔬图像组合特征研究及优化 | 第50-65页 |
| 4.1 球形果蔬图像多特征的选取 | 第50-51页 |
| 4.2 基于支持向量机的球形果蔬组合特征研究 | 第51-55页 |
| 4.2.1 手动分配特征权重方法 | 第51页 |
| 4.2.2 自适应的广义多核学习法 | 第51-53页 |
| 4.2.3 实验及结果分析 | 第53-55页 |
| 4.3 基于多层感知机的球形果蔬BBO特征优化研究 | 第55-61页 |
| 4.3.1 多层感知机BBO优化基础 | 第55-57页 |
| 4.3.2 基于多层感知机的BBO组合特征优化方案 | 第57-59页 |
| 4.3.3 实验及结果分析 | 第59-61页 |
| 4.4 球形果蔬多特征组合的分级方法 | 第61-64页 |
| 4.4.1 球形果蔬分级方案的选定 | 第61-63页 |
| 4.4.2 分级方法对比实验 | 第63-64页 |
| 4.5 本章小结 | 第64-65页 |
| 5 总结与展望 | 第65-68页 |
| 5.1 工作总结 | 第65-66页 |
| 5.2 未来工作展望 | 第66-68页 |
| 参考文献 | 第68-74页 |
| 致谢 | 第74-75页 |
| 在校期间的科研成果 | 第75页 |