| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 储粮害虫在线检测研究的必要性 | 第10-11页 |
| 1.2 国内外粮虫检测的新技术 | 第11-14页 |
| 1.2.1 内部粮虫检测新技术 | 第11-13页 |
| 1.2.2 外部粮虫检测新技术 | 第13-14页 |
| 1.3 工程应用背景介绍 | 第14-16页 |
| 1.4 本文的主要工作及内容安排 | 第16-18页 |
| 第二章 粮虫图像的预处理 | 第18-37页 |
| 2.1 图像增强 | 第21-25页 |
| 2.1.1 图像对比度扩展 | 第21-23页 |
| 2.1.2 图像平滑 | 第23-25页 |
| 2.2 图像分割 | 第25-28页 |
| 2.2.1 图像阈值分割 | 第26-28页 |
| 2.2.2 边缘检测 | 第28页 |
| 2.3 元胞自动机 | 第28-36页 |
| 2.3.1 元胞自动机的基本介绍 | 第28-29页 |
| 2.3.2 元胞自动机的特点和分类 | 第29-30页 |
| 2.3.3 元胞自动机的应用介绍 | 第30-31页 |
| 2.3.4 基于元胞自动机的图像边缘检测 | 第31-33页 |
| 2.3.5 实验结果及下一步实验方案 | 第33-36页 |
| 2.4 本章小结 | 第36-37页 |
| 第三章 基于元胞自动机边缘检测图像的特征提取及特征优化 | 第37-47页 |
| 3.1 区域描述子 | 第37-40页 |
| 3.2 不变矩 | 第40-43页 |
| 3.2.1 Hu不变矩 | 第40-42页 |
| 3.2.2 Zernike矩 | 第42-43页 |
| 3.3 主成分分析特征压缩与特征优化 | 第43-46页 |
| 3.3.1 特征压缩 | 第43-45页 |
| 3.3.2 特征优化 | 第45-46页 |
| 3.4 本章小结 | 第46-47页 |
| 第四章 储粮害虫图像的识别分类 | 第47-62页 |
| 4.1 基于高斯核的径向基函数神经网络 | 第48-52页 |
| 4.1.1 神经网络的基本概念 | 第48-49页 |
| 4.1.2 径向基函数神经网络 | 第49-50页 |
| 4.1.3 基于高斯核的径向基函数神经网络 | 第50-51页 |
| 4.1.4 实验模型 | 第51-52页 |
| 4.2 支持向量机 | 第52-59页 |
| 4.2.1 支持向量机的基本概念 | 第52-53页 |
| 4.2.2 线性支持向量机 | 第53-56页 |
| 4.2.3 非线性支持向量机 | 第56-58页 |
| 4.2.4 实验模型 | 第58-59页 |
| 4.3 实验结果及对比 | 第59-62页 |
| 第五章 总结和展望 | 第62-64页 |
| 5.1 本文工作总结 | 第62页 |
| 5.2 未来工作展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 致谢 | 第67-68页 |
| 个人简历及攻读硕士学位期间发表论文 | 第68页 |