| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景和意义 | 第10-11页 |
| ·稻谷种子纹理特征 | 第11-14页 |
| ·纹理概念及纹理特征提取与识别的常用方法 | 第11-12页 |
| ·稻种表面纹理特征研究 | 第12-14页 |
| ·国内外研究现状 | 第14-19页 |
| ·国外研究现状 | 第15-18页 |
| ·国内研究现状 | 第18-19页 |
| ·本文研究内容与技术路线 | 第19-22页 |
| ·课题研究内容 | 第19-20页 |
| ·课题研究技术路线 | 第20-22页 |
| 第二章 机器视觉系统与图像采集 | 第22-29页 |
| ·机器视觉系统组成 | 第22-26页 |
| ·显微数字摄像机 | 第23-24页 |
| ·单筒连变显微镜 | 第24-25页 |
| ·冷光源与电动控制平台 | 第25-26页 |
| ·计算机与软件应用系统 | 第26页 |
| ·实验样品与图像采集 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 稻种表面纹理图像预处理 | 第29-43页 |
| ·数字图像处理技术 | 第29-30页 |
| ·稻种表面纹理图像的预处理 | 第30-41页 |
| ·图像类型变换与颜色空间 | 第30-31页 |
| ·图像增强 | 第31-36页 |
| ·图像分割 | 第36-41页 |
| ·本章小结 | 第41-43页 |
| 第四章 稻种纹理数字图像的数学形态学处理 | 第43-55页 |
| ·数学形态学 | 第43-45页 |
| ·数学形态学与图像处理 | 第43-44页 |
| ·基于数学形态学的图像处理的原则与优势 | 第44-45页 |
| ·二值图像形态学 | 第45-50页 |
| ·二值图像的腐蚀与膨胀 | 第45-49页 |
| ·二值图像的开运算与闭运算 | 第49-50页 |
| ·灰度图像形态学 | 第50-51页 |
| ·稻种表面纹理形态学处理 | 第51-54页 |
| ·击中击不中变换 | 第51-52页 |
| ·稻种表面二值纹理图像细化 | 第52-54页 |
| ·稻种表面纹理细化图像的修剪 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第五章 稻种表面纹理特征的选择与提取 | 第55-67页 |
| ·基于Gabor小波纹理特征提取 | 第55-58页 |
| ·基于小波变换的纹理描述 | 第55-56页 |
| ·Gabor小波纹理特征提取 | 第56-58页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第58-60页 |
| ·灰度共生矩阵的纹理描述 | 第58-59页 |
| ·灰度共生矩阵的纹理特征提取 | 第59-60页 |
| ·基于双树复小波变换(DT-CWT)的纹理特征提取 | 第60-62页 |
| ·DT-CWT的纹理描述 | 第60-61页 |
| ·DT-CWT的纹理特征提取 | 第61-62页 |
| ·稻种表面纹理特征的选择与提取 | 第62-66页 |
| ·LBP直方图算法 | 第62-64页 |
| ·改进型LBP | 第64-66页 |
| ·结合形态学与EQP算法提取稻种纹理特征 | 第66页 |
| ·本章小结 | 第66-67页 |
| 第六章 基于SVM-RBF的稻种纹理特征的品种识别 | 第67-82页 |
| ·支持向量机的识别模型 | 第67-71页 |
| ·SVM分类机理 | 第67-69页 |
| ·RBF网络的工作原理 | 第69-70页 |
| ·RBF网络与SVM-RBF | 第70-71页 |
| ·基于SVM-RBF的稻种纹理识别的设计 | 第71-75页 |
| ·RBF设计 | 第71-72页 |
| ·支持向量机的RBF网络实现 | 第72-75页 |
| ·实验建立 | 第75-76页 |
| ·识别结果讨论与分析 | 第76-82页 |
| 第七章 稻种纹理特征提取与品种识别软件系统设计 | 第82-87页 |
| ·软件系统设计与功能 | 第82-83页 |
| ·系统界面与主要模块实现 | 第83-86页 |
| ·本章小结 | 第86-87页 |
| 第八章 结论与展望 | 第87-89页 |
| ·总结 | 第87-88页 |
| ·后续工作展望 | 第88-89页 |
| 参考文献 | 第89-94页 |
| 攻读学位期间发表的学术论文 | 第94-96页 |
| 致谢 | 第96页 |