基于改进SURF算法和神经网络的水果识别技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题研究的背景和意义 | 第10-11页 |
| 1.2 计算机视觉的概述 | 第11-12页 |
| 1.3 国内外研究的现状 | 第12-15页 |
| 1.3.1 国外研究现状 | 第12-14页 |
| 1.3.2 国内研究现状 | 第14-15页 |
| 1.4 课题主要研究内容 | 第15-17页 |
| 第2章 图像特征提取的基本原理和方法 | 第17-24页 |
| 2.1 NCC模板匹配算法分析 | 第17-18页 |
| 2.2 SIFT算法分析 | 第18-19页 |
| 2.3 改进的SURF算法分析 | 第19-23页 |
| 2.3.1 特征点的提取 | 第21-22页 |
| 2.3.2 特征描述生成 | 第22-23页 |
| 2.3.3 特征点匹配 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第3章 水果图像库的建立和预处理 | 第24-29页 |
| 3.1 水果图像的建立 | 第24-25页 |
| 3.2 水果图像的预处理 | 第25-28页 |
| 3.2.1 图像转换 | 第25-26页 |
| 3.2.2 图像增强 | 第26-27页 |
| 3.2.3 图像去噪 | 第27-28页 |
| 3.3 本章小结 | 第28-29页 |
| 第4章 水果图像特征提取 | 第29-36页 |
| 4.1 水果识别方案总设计 | 第29-30页 |
| 4.2 基于NCC模板匹配水果图像特征提取 | 第30-32页 |
| 4.2.1 基本概念 | 第30页 |
| 4.2.2 NCC分析法的水果图像特征提取流程 | 第30-31页 |
| 4.2.3 实验结果举例与分析 | 第31-32页 |
| 4.3 基于SIFT方法的水果图像特征提取 | 第32-33页 |
| 4.3.1 基本概念 | 第32页 |
| 4.3.2 SIFT方法水果图像特征提取流程 | 第32-33页 |
| 4.3.3 实验结果举例与分析 | 第33页 |
| 4.4 基于改进SURF方法水果图像特征提取 | 第33-35页 |
| 4.4.1 基本概念 | 第33-34页 |
| 4.4.2 改进SURF方法水果图像特征提取 | 第34页 |
| 4.4.3 实验结果举例与分析 | 第34-35页 |
| 4.5 本章小结 | 第35-36页 |
| 第5章 基于神经网络水果图像识别 | 第36-45页 |
| 5.1 BP神经网络 | 第36-37页 |
| 5.2 BP算法的数学表达 | 第37-39页 |
| 5.3 BP算法步骤 | 第39-41页 |
| 5.4 基于BP神经网络水果识别 | 第41-42页 |
| 5.5 实验结果举例与分析 | 第42-44页 |
| 5.6 本章小结 | 第44-45页 |
| 结论 | 第45-47页 |
| 参考文献 | 第47-51页 |
| 攻读硕士学位期间发表的学术论文 | 第51-52页 |
| 致谢 | 第52页 |
