| 中文摘要 | 第7-9页 |
| Abstract | 第9-10页 |
| 1 绪论 | 第11-15页 |
| 1.1 研究目的意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国内棉花轧工质量分级研究现状 | 第11-12页 |
| 1.2.2 国外棉花轧工质量分级研究现状 | 第12-13页 |
| 1.3 课题来源及研究内容 | 第13-14页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 基于数字图像处理的棉花轧工质量分级识别算法 | 第13页 |
| 1.3.3 棉花轧工质量分级仪器研制 | 第13-14页 |
| 1.4 研究方法与技术路线 | 第14-15页 |
| 2 系统总体方案设计 | 第15-21页 |
| 2.1 棉花轧工质量分级仪器设计要求 | 第15页 |
| 2.2 棉花轧工质量分级仪器硬件系统 | 第15-21页 |
| 2.2.1 CCD 相机 | 第16-17页 |
| 2.2.2 光照系统 | 第17-20页 |
| 2.2.3 计算机 | 第20-21页 |
| 3 棉花外观形态的识别检测 | 第21-24页 |
| 3.1 纹理 | 第21页 |
| 3.2 纹理类型 | 第21页 |
| 3.3 纹理特征的确定 | 第21-22页 |
| 3.4 纹理统计方法的确定 | 第22-23页 |
| 3.5 纹理统计方法的编程实现 | 第23-24页 |
| 4 疵点的提取 | 第24-32页 |
| 4.1 疵点类的检测算法 | 第24-26页 |
| 4.1.1 图像阈值分割 | 第24-25页 |
| 4.1.2 疵点类分割方法的选择 | 第25-26页 |
| 4.2 僵片类的检测 | 第26-28页 |
| 4.2.1 大津法 | 第26-27页 |
| 4.2.2 僵片类识别方法的确定 | 第27-28页 |
| 4.3 棉索类的识别检测算法 | 第28-30页 |
| 4.3.1 基于梯度化的边缘检测 | 第28-29页 |
| 4.3.2 基于 S 通道提取后的增强处理 | 第29-30页 |
| 4.3.3 棉索类提取方法的确定 | 第30页 |
| 4.4 疵点检测算法的编程实现 | 第30-32页 |
| 5 轧工质量分级算法 | 第32-37页 |
| 5.1 统计模式识别法 | 第32页 |
| 5.2 决策理论方法 | 第32-33页 |
| 5.3 线性判别函数 | 第33-34页 |
| 5.4 最小距离分类器 | 第34-36页 |
| 5.5 轧工质量分级算法 | 第36-37页 |
| 6 棉叶的区分提取 | 第37-41页 |
| 6.1 形状特征 | 第37页 |
| 6.2 棉叶的区分 | 第37-39页 |
| 6.3 棉叶识别算法 | 第39-41页 |
| 7 MFC 界面开发 | 第41-42页 |
| 7.1 MFC 简介 | 第41页 |
| 7.2 棉花轧工质量分级仪器界面开发 | 第41-42页 |
| 8 样机试制与试验 | 第42-51页 |
| 8.1 样机试制 | 第42页 |
| 8.2 样机试验目标 | 第42-43页 |
| 8.3 样机试验内容 | 第43-50页 |
| 8.3.1 数据一致性试验 | 第43页 |
| 8.3.2 数据相关性试验一 | 第43-45页 |
| 8.3.3 数据相关性验证二 | 第45-46页 |
| 8.3.4 软件性能试验 | 第46-47页 |
| 8.3.5 外界压力对检测结果的影响 | 第47-49页 |
| 8.3.6 样机分级准确性试验 | 第49-50页 |
| 8.4 样机存在的问题及总结 | 第50-51页 |
| 8.4.1 软件方面 | 第50页 |
| 8.4.2 硬件方面 | 第50-51页 |
| 9 结论与展望 | 第51-52页 |
| 9.1 结论 | 第51页 |
| 9.2 展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 致谢 | 第57-58页 |
| 攻读学位期间发表论文情况 | 第58页 |