| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题来源及研究的目的和意义 | 第7-8页 |
| ·国内外农产品无损检测技术研究现状 | 第8-10页 |
| ·国外研究现状及分析 | 第8-9页 |
| ·国内研究现状及分析 | 第9-10页 |
| ·本文主要研究内容及技术路线 | 第10-13页 |
| ·主要研究内容 | 第10页 |
| ·技术路线 | 第10-11页 |
| ·论文章节安排 | 第11-13页 |
| 第二章 马铃薯外部损伤的高光谱成像实验与数据获取 | 第13-17页 |
| ·高光谱成像技术简介 | 第13页 |
| ·实验过程与数据获取 | 第13-16页 |
| ·实验材料 | 第13-14页 |
| ·实验设备及其参数设置 | 第14-15页 |
| ·实验过程描述与数据获取 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第三章 马铃薯外部损伤的高光谱图像数据处理 | 第17-26页 |
| ·主成分分析(PCA)法对高光谱图像数据立方体降维 | 第17-21页 |
| ·主成分分析的基本原理 | 第17-18页 |
| ·主成分分析法应用于高光谱图像数据立方体 | 第18-21页 |
| ·使用递推最小二乘法对特征图像做平滑处理 | 第21-25页 |
| ·最小二乘自适应滤波 | 第22-23页 |
| ·递推最小二乘法(RLS) | 第23-24页 |
| ·适用于图像平滑的RLS算法设计 | 第24页 |
| ·RLS算法对特征图像处理结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第四章 基于最优统计分类器的马铃薯外部损伤识别模型 | 第26-43页 |
| ·模式识别的基本概念和基本原理 | 第26-28页 |
| ·模式识别方法 | 第27页 |
| ·统计模式识别的基本原理 | 第27-28页 |
| ·最优统计分类器 | 第28-29页 |
| ·基本理论 | 第28页 |
| ·MATLAB软件实现 | 第28-29页 |
| ·Mahalanobis距离 | 第29-30页 |
| ·Mahalanobis距离概况 | 第29页 |
| ·Mahalanobis距离定义 | 第29页 |
| ·欧氏距离的缺点 | 第29页 |
| ·马氏距离优缺点 | 第29-30页 |
| ·马氏距离性质 | 第30页 |
| ·模型用到描绘子介绍 | 第30-32页 |
| ·基本概念介绍 | 第30-32页 |
| ·MATLAB软件实现 | 第32页 |
| ·基于贝叶斯分类器建立马铃薯外部损伤识别模型 | 第32-41页 |
| ·建立模型的软硬件平台 | 第32页 |
| ·模型程序对有感兴趣区域未平滑处理图像数据的处理过程与模型识别结果 | 第32-35页 |
| ·模型程序对无感兴趣区域未平滑处理图像数据的处理过程与模型识别结果 | 第35-37页 |
| ·模型程序对有感兴趣区域且平滑处理图像数据的处理过程与模型识别结果 | 第37-39页 |
| ·模型程序对无感兴趣区域且平滑处理图像数据的处理过程与模型识别结果 | 第39-40页 |
| ·模型评价 | 第40-41页 |
| ·本章小结 | 第41-43页 |
| 第五章 总结与展望 | 第43-45页 |
| ·结论 | 第43-44页 |
| ·展望 | 第44-45页 |
| 参考文献 | 第45-49页 |
| 致谢 | 第49-50页 |
| 附录 | 第50-56页 |
| 个人简介 | 第56页 |
