基于计算机视觉的果蔬识别方法研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·课题研究的背景和意义 | 第9-10页 |
| ·计算机视觉概述 | 第10-11页 |
| ·国内外研究的现状 | 第11-12页 |
| ·国外研究现状 | 第11-12页 |
| ·国内研究现状 | 第12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 图像特征提取的基本原理和方法 | 第14-22页 |
| ·主成分分析法 | 第14-17页 |
| ·线性判别分析法 | 第17-20页 |
| ·Gabor滤波 | 第20-22页 |
| 3 果蔬图像库的建立和预处理 | 第22-27页 |
| ·果蔬图像的获取 | 第22-23页 |
| ·果蔬图像的预处理 | 第23-27页 |
| ·图像转换 | 第23-24页 |
| ·图像增强 | 第24-26页 |
| ·图像去噪 | 第26-27页 |
| 4 果蔬图像特征提取 | 第27-44页 |
| ·果蔬识别方案总体设计 | 第27页 |
| ·基于主成分分析法的果蔬图像特征提取 | 第27-33页 |
| ·主成分分析法的果蔬图像特征提取流程 | 第28-31页 |
| ·实验结果举例与分析 | 第31-33页 |
| ·基于线性判别的果蔬图像特征提取 | 第33-37页 |
| ·Fisher线性判别法的果蔬图像特征提取流程 | 第34-36页 |
| ·实验结果举例与分析 | 第36-37页 |
| ·基于Gabor滤波的果蔬图像特征提取 | 第37-44页 |
| ·果蔬图像的Gabor特征提取 | 第40-41页 |
| ·Gabor特征降维 | 第41-42页 |
| ·实验结果举例与分析 | 第42-44页 |
| 5 基于纠错SVM果蔬图像的识别 | 第44-56页 |
| ·支持向量机 | 第44-47页 |
| ·序贯最小优化算法 | 第47-50页 |
| ·纠错支持向量机 | 第50页 |
| ·基于纠错SVM的果蔬识别 | 第50-53页 |
| ·实验结果举例与分析 | 第53-56页 |
| 6 总结与展望 | 第56-58页 |
| 参考文献 | 第58-61页 |
| 攻读硕士学位期间发表学术论文情况 | 第61-62页 |
| 致谢 | 第62-63页 |