| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 课题的研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 SVM 的国内外研究现状 | 第11-12页 |
| 1.2.2 色选算法的国内外研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容与方案 | 第13-15页 |
| 1.3.1 本文研究的主要内容 | 第13-14页 |
| 1.3.2 研究方案 | 第14-15页 |
| 第2章 数学形态学与小波包基本理论 | 第15-27页 |
| 2.1 数学形态学基本原理 | 第15-16页 |
| 2.2 灰度形态学 | 第16-20页 |
| 2.2.1 预备知识 | 第16-18页 |
| 2.2.2 灰度图像膨胀和腐蚀运算 | 第18页 |
| 2.2.3 Top-Hat 变换 | 第18-19页 |
| 2.2.4 灰度图像开运算和闭运算 | 第19-20页 |
| 2.3 小波基本理论 | 第20-23页 |
| 2.3.1 连续小波基函数 | 第20-22页 |
| 2.3.2 连续小波变换的定义 | 第22-23页 |
| 2.4 小波包基本理论 | 第23-26页 |
| 2.4.1 小波包的定义 | 第23页 |
| 2.4.2 小波包的子空间分解 | 第23-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 基于机器视觉技术的大米粒形与异色粒检测 | 第27-41页 |
| 3.1 大米外观品质检测系统 | 第27-30页 |
| 3.1.1 CCD 图像传感器 | 第28-29页 |
| 3.1.2 光源的选择 | 第29-30页 |
| 3.2 基于形态学的大米颗粒图像边缘检测 | 第30-32页 |
| 3.3 基于小波包的大米图像边缘检测 | 第32-33页 |
| 3.4 基于形态学与小波包相结合的大米颗粒图像边缘检测 | 第33-35页 |
| 3.5 提取感兴趣特征区域的特征向量 | 第35-37页 |
| 3.6 基于大米垩白检测算法 | 第37-40页 |
| 3.6.1 垩白的相关定义 | 第37页 |
| 3.6.2 垩白的检测 | 第37-40页 |
| 3.7 本章小结 | 第40-41页 |
| 第4章 基于支持向量机的大米检测方法 | 第41-52页 |
| 4.1 支持向量机 | 第41-44页 |
| 4.2 LIBSVM 软件包 | 第44-45页 |
| 4.3 基于 SVM 的参数的选取 | 第45-49页 |
| 4.3.1 数据格式转换 | 第45-46页 |
| 4.3.2 SVM 参数的选择 | 第46-49页 |
| 4.4 LIBSVM 检测的结果及分析 | 第49-50页 |
| 4.5 本章小结 | 第50-52页 |
| 结论 | 第52-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58页 |