基于数字全息成像的淡水藻类检测与分类技术研究
| 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 国内外研究现状 | 第9-13页 |
| 1.3 本文研究目标与章节安排 | 第13-15页 |
| 第二章 基于全息无透镜成像的藻类检测装置 | 第15-32页 |
| 2.1 全息无透镜成像基本原理 | 第15-21页 |
| 2.1.1 无透镜全息成像 | 第17-18页 |
| 2.1.2 无透镜数字全息重建 | 第18-19页 |
| 2.1.3 无透镜相位恢复 | 第19-21页 |
| 2.2 无透镜藻类成像装置设计 | 第21-28页 |
| 2.2.1 设计装置目标 | 第21页 |
| 2.2.2 设计内容 | 第21页 |
| 2.2.3 设计流程 | 第21-24页 |
| 2.2.4 装置的实际效果 | 第24-27页 |
| 2.2.5 无透镜实际效果 | 第27-28页 |
| 2.3 无透镜藻类成像全息再现 | 第28-30页 |
| 2.3.1 样本图像的获取 | 第28页 |
| 2.3.2 样本图像的处理 | 第28页 |
| 2.3.3 全息处理 | 第28-30页 |
| 2.4 本章小结 | 第30-32页 |
| 第三章 基于HOG描述符算子的藻类提取技术 | 第32-42页 |
| 3.1 HOG描述符算子 | 第32-33页 |
| 3.2 基于HOG算子的藻类特征提取 | 第33-37页 |
| 3.2.1 标准化颜色空间与gamma空间 | 第33-34页 |
| 3.2.2 计算图像梯度 | 第34-35页 |
| 3.2.3 构建细胞单元的梯度方向直方图 | 第35-36页 |
| 3.2.4 块内归一化梯度直方图 | 第36-37页 |
| 3.2.5 收集HOG特征 | 第37页 |
| 3.3 藻类特征提取结果 | 第37-41页 |
| 3.3.1 HOG特征提取模型构建 | 第37-39页 |
| 3.3.2 HOG参数选择 | 第39-40页 |
| 3.3.3 HOG特征提取结果分析 | 第40-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第四章 基于SVM算法的藻类分类识别技术 | 第42-54页 |
| 4.1 SVM理论 | 第42页 |
| 4.2 基于SVM算法的藻类识别与分类 | 第42-48页 |
| 4.2.1 SVM线性分类器 | 第42-43页 |
| 4.2.2 拉格朗日乘子法与KKT条件 | 第43-46页 |
| 4.2.3 核函数 | 第46-48页 |
| 4.3 藻类识别与分类结果 | 第48-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 总结 | 第54页 |
| 5.2 展望 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 致谢 | 第59-60页 |
