基于计算机视觉的柑橘品质分级技术研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·论文选题背景、意义 | 第10-11页 |
| ·基于计算机视觉的国内外水果分级研究现状 | 第11-13页 |
| ·研究内容 | 第13-14页 |
| ·论文结构 | 第14-15页 |
| 第二章 系统整体框架及图像预处理 | 第15-24页 |
| ·引言 | 第15页 |
| ·柑橘分级系统整体框架 | 第15-16页 |
| ·标定 | 第16-18页 |
| ·柑橘图像预处理 | 第18-23页 |
| ·预处理流程 | 第18-19页 |
| ·基于同态滤波的柑橘图像增强 | 第19-22页 |
| ·基于中值滤波的柑橘图像去噪 | 第22-23页 |
| ·小结 | 第23-24页 |
| 第三章 柑橘外观特征提取与描述 | 第24-42页 |
| ·引言 | 第24页 |
| ·柑橘质量分级标准体系 | 第24-25页 |
| ·柑橘对象提取 | 第25-31页 |
| ·图像对象提取方法概述 | 第25-26页 |
| ·几种边缘检测的方法比较分析 | 第26-28页 |
| ·基于Canny 算子的橘子轮廓提取 | 第28-31页 |
| ·柑橘表面颜色特征提取与描述 | 第31-37页 |
| ·柑橘颜色模型确定 | 第31-33页 |
| ·柑橘图像颜色特征描述 | 第33-37页 |
| ·柑橘形状特征提取与描述 | 第37-40页 |
| ·柑橘形状模型确定 | 第37页 |
| ·柑橘大小特征的提取 | 第37-39页 |
| ·基于傅立叶描述子的柑橘形状特征提取 | 第39-40页 |
| ·小结 | 第40-42页 |
| 第四章 基于BP 神经网络的空域柑橘分级处理 | 第42-57页 |
| ·引言 | 第42页 |
| ·BP 神经网络原理 | 第42-46页 |
| ·BP 网络的网络结构 | 第42-44页 |
| ·BP 神经网络的学习过程 | 第44页 |
| ·基于BP 神经网络的柑橘分级流程 | 第44-46页 |
| ·柑橘分级中的BP 神经网络参数选择 | 第46-48页 |
| ·现有BP 神经网络算法分析 | 第46-47页 |
| ·参数选择 | 第47-48页 |
| ·用于柑橘颜色分级的BP 神经网络设计 | 第48-49页 |
| ·用于柑橘大小形状分级的BP 神经网络设计 | 第49页 |
| ·实验结果与分析 | 第49-56页 |
| ·颜色分级 | 第49-52页 |
| ·形状分级 | 第52-56页 |
| ·小结 | 第56-57页 |
| 第五章 基于SVM 的变换域柑橘分级处理 | 第57-71页 |
| ·引言 | 第57页 |
| ·纹理特征提取方法分析 | 第57-58页 |
| ·基于Gabor 小波变换的柑橘纹理特征提取 | 第58-62页 |
| ·傅立叶变换 | 第58-59页 |
| ·二维Gabor 小波描述 | 第59-61页 |
| ·柑橘纹理特征提取 | 第61-62页 |
| ·基于PCA 的柑橘纹理特征降维 | 第62-64页 |
| ·PCA 概述 | 第62-63页 |
| ·基于PCA 对柑橘纹理特征优选 | 第63-64页 |
| ·基于SVM 的柑橘品质分级 | 第64-68页 |
| ·支持向量机SVM 概述 | 第64-66页 |
| ·基于SVM 对柑橘品质进行识别分类 | 第66-67页 |
| ·基于LIBSVM 的实验结果分析 | 第67-68页 |
| ·基于空域与小波域的柑橘品质综合分级 | 第68-69页 |
| ·小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·论文工作总结 | 第71-72页 |
| ·进一步研究工作的展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 攻读学位期间出版或公开发表的论著、论文 | 第77-78页 |
| 致谢 | 第78-79页 |
