| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 引言 | 第9-12页 |
| 第1节 课题研究目的及意义 | 第9-10页 |
| 第2节 国内外研究现状及水平 | 第10页 |
| 第3节 本文研究内容及方法 | 第10-12页 |
| 第2章 罗汉果特征提取系统设计及图像预处理算法研究 | 第12-27页 |
| 第1节 罗汉果特征提取系统设计 | 第12-14页 |
| 一、罗汉果特征提取硬件系统 | 第12-13页 |
| 二、罗汉果特征提取软件系统 | 第13-14页 |
| 第2节 数字图像采集 | 第14-15页 |
| 第3节 图像文件格式 | 第15页 |
| 第4节 图像颜色 | 第15-19页 |
| 一、颜色模型 | 第15-18页 |
| 二、图像灰度化 | 第18页 |
| 三、图像二值化 | 第18-19页 |
| 第5节 图像增强 | 第19-21页 |
| 一、邻域平均法 | 第19-20页 |
| 二、中值滤波法 | 第20-21页 |
| 第6节 图像分割 | 第21-24页 |
| 一、直方图 | 第21-22页 |
| 二、阈值分割 | 第22-24页 |
| 第7节 边缘提取 | 第24-26页 |
| 第8节 本章小节 | 第26-27页 |
| 第3章 罗汉果特征提取及分析 | 第27-34页 |
| 第1节 颜色特征提取及分析 | 第27-29页 |
| 第2节 形状特征提取及分析 | 第29-33页 |
| 一、基本特征 | 第29-30页 |
| 二、不变矩特征 | 第30-33页 |
| 第3节 本章小节 | 第33-34页 |
| 第4章 基于人工神经网络的罗汉果种属识别研究 | 第34-48页 |
| 第1节 BP 网络 | 第34-36页 |
| 一、标准BP 算法 | 第35-36页 |
| 二、标准BP 算法的局限性及改进 | 第36页 |
| 第2节 基于Matlab 的BP 网络设计 | 第36-38页 |
| 一、网络结构设计 | 第36-37页 |
| 二、用Matlab 创建BP 网络步骤 | 第37-38页 |
| 第3节 径向基(RBF)网络 | 第38-41页 |
| 一、RBF 神经元模型 | 第38-39页 |
| 二、RBF 函数的学习过程 | 第39-40页 |
| 三、用Matlab 创建RBF 网络步骤 | 第40-41页 |
| 第4节 主成分分析算法（PCA） | 第41-42页 |
| 一、主成分分析算法的思想 | 第41页 |
| 二、主成分分析算法的步骤 | 第41-42页 |
| 三、主成分分析算法在Matlab 中的实现 | 第42页 |
| 第5节 实验结果分析 | 第42-46页 |
| 一、实验样本数据 | 第42-43页 |
| 二、主成分分析 | 第43-44页 |
| 三、神经网络识别结果 | 第44-46页 |
| 第6节 本章小结 | 第46-48页 |
| 第5章 基于图像处理的罗汉果颜色与甜甙ⅴ及黄酮含量相关性研究 | 第48-52页 |
| 第1节 罗汉果采样及颜色特征提取方法 | 第48页 |
| 第2节 实验结果 | 第48-50页 |
| 第3节 分析与讨论 | 第50-51页 |
| 第4节 本章小结 | 第51-52页 |
| 第6章 总结与展望 | 第52-54页 |
| 第1节 总结 | 第52-53页 |
| 第2节 展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间公开发表的论文及参与的项目 | 第57-58页 |
| 致谢 | 第58-59页 |