| 摘要 | 第3-4页 |
| abstract | 第4页 |
| 1 绪论 | 第11-16页 |
| 1.1 研究背景 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第12-13页 |
| 1.2.2 国内研究现状 | 第13页 |
| 1.3 课题来源及主要研究内容 | 第13-15页 |
| 1.3.1 课题来源 | 第13页 |
| 1.3.2 主要研究内容 | 第13-15页 |
| 1.3.3 文章结构安排 | 第15页 |
| 1.4 本章小结 | 第15-16页 |
| 2 禾本科牧草种子图像采集及预处理 | 第16-22页 |
| 2.1 图像采集 | 第16-17页 |
| 2.2 图像预处理 | 第17-21页 |
| 2.2.1 禾本科牧草种子图像预处理步骤 | 第17-18页 |
| 2.2.2 主成分分析法 | 第18-21页 |
| 2.3 噪声图像库 | 第21页 |
| 2.4 本章小结 | 第21-22页 |
| 3 基于LSP与LDA的禾本科牧草种子识别算法 | 第22-41页 |
| 3.1 纹理特征介绍 | 第22-31页 |
| 3.1.1 方向梯度直方图特征 | 第23-26页 |
| 3.1.2 局部二值模式特征 | 第26-30页 |
| 3.1.3 局部相似模式特征 | 第30-31页 |
| 3.2 直方图特征统计量 | 第31-32页 |
| 3.3 分类器 | 第32页 |
| 3.4 LSP+LDA算法的实验结果与分析 | 第32-40页 |
| 3.4.1 实验1LSP中SRR的确定 | 第32-33页 |
| 3.4.2 实验2LSP+LDA算法的识别结果对比与分析 | 第33-35页 |
| 3.4.3 实验3实验2误分类结果分析 | 第35-36页 |
| 3.4.4 实验4特征成分分析 | 第36-38页 |
| 3.4.5 实验5探究LSP+LDA算法抗噪性 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 LSP与GLCM融合的禾本科牧草种子识别算法 | 第41-48页 |
| 4.1 灰度共生矩阵 | 第41-42页 |
| 4.2 灰度共生矩阵特征统计量 | 第42页 |
| 4.3 LSP与GLCM融合的特征提取算法 | 第42-43页 |
| 4.4 LSP+GLCM的实验结果与分析 | 第43-47页 |
| 4.4.1 实验6LSP+GLCM算法的识别结果对比与分析 | 第43-44页 |
| 4.4.2 实验7实验6误分类结果分析 | 第44页 |
| 4.4.3 实验8探究LSP+GLCM算法抗噪性 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 5 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 致谢 | 第50-51页 |
| 参考文献 | 第51-55页 |
| 作者简介 | 第55页 |