基于图像处理技术的麦穗识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 引言 | 第9-12页 |
| ·课题应用背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·论文的组织 | 第11-12页 |
| 2 小麦图像预处理 | 第12-32页 |
| ·图像采集 | 第12-16页 |
| ·图像处理要求 | 第12页 |
| ·小麦图像采集 | 第12-13页 |
| ·彩色图像和BMP 图像文件格式 | 第13页 |
| ·BMP 文件结构 | 第13-16页 |
| ·灰度转换和二值化处理 | 第16-21页 |
| ·灰度图像和彩色图像 | 第16-17页 |
| ·灰度转换 | 第17页 |
| ·二值化 | 第17-18页 |
| ·基于改进分量法的麦穗图像灰度二值化处理 | 第18-21页 |
| ·图像增强 | 第21-23页 |
| ·图像的噪声 | 第21页 |
| ·图像的去噪 | 第21-23页 |
| ·图像形态学处理 | 第23-26页 |
| ·图像形态学的基础理论 | 第24-25页 |
| ·麦穗图像的形态学处理 | 第25-26页 |
| ·小麦图像分割 | 第26-31页 |
| ·边缘检测 | 第26-27页 |
| ·边缘检测算子 | 第27-30页 |
| ·基于Sobel 算子的麦穗图像分割 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 3 小麦特征提取 | 第32-37页 |
| ·小麦形状特征提取 | 第32-34页 |
| ·形状特征提取与分析 | 第32-34页 |
| ·小麦纹理特征提取 | 第34-36页 |
| ·纹理特征描述 | 第34页 |
| ·纹理分析常用方法 | 第34-35页 |
| ·小麦灰度共生矩阵生成 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 小麦图像识别 | 第37-45页 |
| ·图像识别方法概述 | 第37页 |
| ·人工神经网络基础理论 | 第37-40页 |
| ·神经网络概述 | 第37-38页 |
| ·BP 神经网络 | 第38-40页 |
| ·基于BP 神经网络的小麦麦穗识别 | 第40-44页 |
| ·BP 网络构建 | 第40页 |
| ·BP 神经网络输入和输出 | 第40-41页 |
| ·BP 算法 | 第41-43页 |
| ·BP 神经网络训练及识别结果 | 第43-44页 |
| ·实验结果分析 | 第44页 |
| ·本章小结 | 第44-45页 |
| 5 总结 | 第45-46页 |
| ·主要工作和结论 | 第45页 |
| ·今后待研究的问题与展望 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 在读期间发表的学术论文 | 第49-51页 |
| 作者简历 | 第51-52页 |
| 致谢 | 第52-53页 |
