| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景与选题意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 国内外机器视觉在农产品鉴别方面的研究 | 第9-10页 |
| 1.2.2 国内外稻米品种鉴别的研究现状 | 第10-11页 |
| 1.3 论文主要工作和研究目标 | 第11-12页 |
| 1.4 课题研究的技术路线 | 第12-14页 |
| 2 稻米图像预处理的算法研究 | 第14-29页 |
| 2.1 引言 | 第14-15页 |
| 2.2 图像灰度化 | 第15-16页 |
| 2.2.1 图像灰度化方法 | 第15-16页 |
| 2.2.2 稻米图像灰度化处理结果分析 | 第16页 |
| 2.3 图像二值化 | 第16-17页 |
| 2.3.1 灰度图像二值化方法 | 第16-17页 |
| 2.3.2 稻米图像二值化处理结果分析 | 第17页 |
| 2.4 图像边缘提取算法 | 第17-20页 |
| 2.4.1 边缘检测算子 | 第17-19页 |
| 2.4.2 稻米图像边缘检测结果分析 | 第19-20页 |
| 2.5 图像噪声过滤算法 | 第20-22页 |
| 2.5.1 图像滤波算法 | 第20-21页 |
| 2.5.2 稻米图像滤波处理结果分析 | 第21-22页 |
| 2.6 图像分割算法 | 第22-25页 |
| 2.6.1 图像分割算法 | 第22-24页 |
| 2.6.2 稻米图像分割处理结果分析 | 第24-25页 |
| 2.7 形态学处理算法 | 第25-27页 |
| 2.7.1 形态学基本运算 | 第25-26页 |
| 2.7.2 稻米图像形态学处理结果分析 | 第26-27页 |
| 2.8 本章小结 | 第27-29页 |
| 3 稻米特征参数的提取与分析 | 第29-34页 |
| 3.1 引言 | 第29页 |
| 3.2 稻米特征参数的提取 | 第29-32页 |
| 3.2.1 稻米样品的灰度平均值 | 第29页 |
| 3.2.2 稻米样品的面积 | 第29-30页 |
| 3.2.3 稻米样品的周长 | 第30页 |
| 3.2.4 稻米样品区域的质心 | 第30页 |
| 3.2.5 稻米样品的最小外接矩 | 第30-31页 |
| 3.2.6 稻米样品的长宽比 | 第31-32页 |
| 3.2.7 稻米样品的圆形度 | 第32页 |
| 3.3 稻米样品特征参数的分析 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 4 基于K-means聚类和BP神经网络的稻米品种鉴别 | 第34-44页 |
| 4.1 引言 | 第34页 |
| 4.2 K-means聚类算法 | 第34-37页 |
| 4.2.1 K-means聚类算法简介 | 第34-35页 |
| 4.2.2 K-means聚类算法在稻米大类品种鉴别中的应用 | 第35-37页 |
| 4.3 BP神经网络算法 | 第37-43页 |
| 4.3.1 BP神经网络的结构及学习规则 | 第37-39页 |
| 4.3.2 BP神经网络算法在同类稻米的品种鉴别中的应用 | 第39-40页 |
| 4.3.3 BP神经网络算法的结果分析 | 第40-43页 |
| 4.4 本章小结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44页 |
| 5.2 展望 | 第44-46页 |
| 参考文献 | 第46-49页 |
| 致谢 | 第49页 |
