基于图像处理的储粮害虫检测方法研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-17页 |
| ·储粮害虫检测的意义 | 第8-11页 |
| ·国内外储粮害虫检测的现状 | 第11-14页 |
| ·储粮害虫的分离 | 第11-12页 |
| ·储粮害虫的识别 | 第12-14页 |
| ·数字图像处理技术在粮食储藏中的应用 | 第14页 |
| ·基于图像识别储粮害虫检测方法的提出 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 粮虫图像还原与压缩 | 第17-26页 |
| ·基于奇异值分解的粮虫图像还原 | 第17-21页 |
| ·图像还原简介 | 第18-19页 |
| ·奇异值分解的广义逆还原法 | 第19-20页 |
| ·实验结果 | 第20-21页 |
| ·基于奇异值分解的粮虫图像压缩 | 第21-24页 |
| ·基本原理 | 第21-22页 |
| ·实验结果 | 第22-24页 |
| ·基于小波变换的粮虫图像压缩 | 第24-25页 |
| ·实验结果 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 粮虫图像增强 | 第26-33页 |
| ·灰度变换 | 第26-28页 |
| ·图像平滑 | 第28-29页 |
| ·小波变换法 | 第29-30页 |
| ·基于模糊数学的图像增强 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 粮虫图像分割 | 第33-41页 |
| ·图像分割的定义 | 第33-34页 |
| ·经典算法介绍 | 第34-35页 |
| ·实验结果 | 第34-35页 |
| ·模糊C-均值聚类图像分割 | 第35-37页 |
| ·基本原理 | 第35-36页 |
| ·实验结果 | 第36-37页 |
| ·基于模拟退火的图像分割算法 | 第37-40页 |
| ·基本原理 | 第37-38页 |
| ·参数选择 | 第38-39页 |
| ·基于模拟退火的模糊C-均值聚类图像分割算法 | 第39页 |
| ·实验结果 | 第39-40页 |
| ·分割算法比较 | 第40页 |
| ·本章小结 | 第40-41页 |
| 第5章 储粮害虫特征的形成、选择与识别 | 第41-56页 |
| ·原始特征 | 第41-50页 |
| ·几何特征 | 第41-44页 |
| ·不变矩特征 | 第44-47页 |
| ·纹理特征 | 第47-50页 |
| ·可分性判据 | 第50页 |
| ·特征选择方法 | 第50-52页 |
| ·算法步骤 | 第50-51页 |
| ·领域产生 | 第51页 |
| ·算法实现 | 第51-52页 |
| ·识别分类 | 第52-55页 |
| ·基于最近邻分类器的储粮害虫识别 | 第52-53页 |
| ·基于加权欧氏距离分类器的储粮害虫识别 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 结论和展望 | 第56-57页 |
| ·本论文工作总结 | 第56页 |
| ·有待进一步研究的问题 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 致谢 | 第60-61页 |
| 附录 | 第61-62页 |
| 攻读学位期间研究成果 | 第62页 |
