| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 研究的目的和意义 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 树种识别的国内外研究现状 | 第8-10页 |
| 1.2.2 缺陷检测的国内外研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 1.3.1 基于光谱反射率的木材树种识别的研究 | 第12页 |
| 1.3.2 基于近红外和可见光图像融合的木材表面缺陷检测 | 第12-13页 |
| 1.4 论文的结构安排 | 第13-14页 |
| 2 多光谱识别技术的理论及应用 | 第14-18页 |
| 2.1 多光谱图像的基本原理 | 第14页 |
| 2.2 近红外光谱识别技术 | 第14-16页 |
| 2.2.1 近红外光谱识别技术简介 | 第14-15页 |
| 2.2.2 近红外光谱识别技术在木材科学中的应用 | 第15-16页 |
| 2.3 几种木材树种识别方法 | 第16-18页 |
| 3 基于光谱反射率的木材树种识别 | 第18-34页 |
| 3.1 引言 | 第18页 |
| 3.2 木材树种识别的重要性 | 第18-19页 |
| 3.3 数据获取 | 第19-22页 |
| 3.4 光谱特征分析与树种的识别 | 第22-30页 |
| 3.4.1 木材树种识别的基本原理和方法 | 第22-23页 |
| 3.4.2 木材表面光谱反射率特征分析 | 第23-25页 |
| 3.4.3 木材光谱反射率的特征提取 | 第25-26页 |
| 3.4.4 高阶微分法提取光谱特征 | 第26-30页 |
| 3.5 结果分析与检验 | 第30-33页 |
| 3.5.1 光谱反射率曲线的分类器设计 | 第30-31页 |
| 3.5.2 结果分析与检验 | 第31-32页 |
| 3.5.3 结论 | 第32-33页 |
| 3.6 本章小结 | 第33-34页 |
| 4 图像融合技术 | 第34-44页 |
| 4.1 图像融合的原理 | 第34-36页 |
| 4.2 图像融合方法 | 第36-42页 |
| 4.2.1 小波变换融合算法 | 第36页 |
| 4.2.2 PCA（主成分分析）法 | 第36-37页 |
| 4.2.3 加权融合算法 | 第37-38页 |
| 4.2.4 金字塔融合算法 | 第38-42页 |
| 4.3 彩色图像的融合方法 | 第42页 |
| 4.4 本章小结 | 第42-44页 |
| 5 基于近红外和可见光图像融合的木材表面缺陷检测 | 第44-54页 |
| 5.1 木材表面缺陷的特点 | 第44-45页 |
| 5.2 实验样本 | 第45页 |
| 5.3 实验的环境与装置 | 第45-47页 |
| 5.3.1 实验环境 | 第45-47页 |
| 5.4 融合结果与分析 | 第47-53页 |
| 5.4.1 融合结果 | 第47-52页 |
| 5.4.2 融合图像质量评价 | 第52-53页 |
| 5.5 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 攻读学位期间发表的学术论文 | 第58-59页 |
| 致谢 | 第59-60页 |