| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景和意义 | 第8-9页 |
| 1.2 种子无损检测的国内外研究现状 | 第9-12页 |
| 1.2.1 机器视觉技术和光谱技术在种子无损检测的研究现状 | 第9-11页 |
| 1.2.2 高光谱图像技术在种子分类识别上的研究现状 | 第11-12页 |
| 1.3 高光谱图像的波段选择 | 第12-13页 |
| 1.4 本论文的主要研究工作及章节安排 | 第13-15页 |
| 第二章 玉米种子高光谱图像识别系统 | 第15-24页 |
| 2.1 玉米种子高光谱图像采集系统 | 第15-16页 |
| 2.2 玉米种子高光谱图像数据处理系统 | 第16-22页 |
| 2.2.1 玉米种子高光谱图像校正 | 第16页 |
| 2.2.2 玉米种子高光谱图像的预处理 | 第16-18页 |
| 2.2.3 玉米种子高光谱图像特征参数提取 | 第18-19页 |
| 2.2.4 玉米种子高光谱图像数据建模分析及性能评价 | 第19-22页 |
| 2.3 玉米种子高光谱图像识别的实现流程 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于联合偏度算法的玉米种子高光谱图像波段选择 | 第24-37页 |
| 3.1 引言 | 第24页 |
| 3.2 实验材料与方法 | 第24-32页 |
| 3.2.1 实验材料 | 第24-25页 |
| 3.2.2 高光谱图像的采集及数据处理 | 第25-27页 |
| 3.2.3 张量分析原理及其运算 | 第27-29页 |
| 3.2.4 联合偏度波段选择算法 | 第29-30页 |
| 3.2.5 连续投影算法 | 第30-31页 |
| 3.2.6 无信息变量消除法 | 第31页 |
| 3.2.7 分类模型的构建和评价 | 第31-32页 |
| 3.3 实验结果与分析 | 第32-36页 |
| 3.3.1 光谱特征和图像熵特征分析 | 第32页 |
| 3.3.2 全波段条件下的玉米种子分类识别结果 | 第32-33页 |
| 3.3.3 联合偏度波段选择后的分类结果 | 第33-34页 |
| 3.3.4 不同波段选择方法的分类结果比较 | 第34-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于MLDA算法的玉米种子高光谱图像波段选择 | 第37-44页 |
| 4.1 引言 | 第37页 |
| 4.2 实验材料与方法 | 第37-40页 |
| 4.2.1 实验材料与数据处理 | 第37页 |
| 4.2.2 多线性判别分析波段选择算法 | 第37-39页 |
| 4.2.3 分类模型的构建和评价 | 第39-40页 |
| 4.3 实验结果与分析 | 第40-42页 |
| 4.3.1 多线性判别分析与联合偏度波段选择后的分类结果 | 第40-41页 |
| 4.3.2 最优波段数目下不同种子的分类结果比较 | 第41-42页 |
| 4.4 本章小结 | 第42-44页 |
| 第五章 基于多模型与MLDA亲缘关系玉米种子高光谱图像鉴选 | 第44-52页 |
| 5.1 引言 | 第44页 |
| 5.2 实验材料与方法 | 第44-48页 |
| 5.2.1 实验材料 | 第44-45页 |
| 5.2.2 高光谱图像采集及数据处理 | 第45-47页 |
| 5.2.3 波段选择与建模分析 | 第47-48页 |
| 5.3 实验结果与分析 | 第48-51页 |
| 5.3.1 光谱特征和图像特征分析 | 第48-49页 |
| 5.3.2 全波段条件下的玉米种子分类识别结果 | 第49页 |
| 5.3.3 MLDA波段选择后的单模型和多模型玉米种子分类识别结果 | 第49-51页 |
| 5.4 本章小结 | 第51-52页 |
| 主要结论与展望 | 第52-54页 |
| 主要结论 | 第52-53页 |
| 展望 | 第53-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第59页 |
