摘要 | 第3-5页 |
Abstract | 第5-6页 |
第1章 绪论 | 第10-15页 |
1.1 我国水果生产及品质检测的研究状况 | 第10-13页 |
1.1.1 我国水果产业概况 | 第10页 |
1.1.2 农产品品质无损检测的研究现状 | 第10-13页 |
1.2 选题的背景及意义 | 第13页 |
1.3 论文的主要内容 | 第13-14页 |
1.4 论文的组织结构 | 第14-15页 |
第2章 高光谱无损检测技术简介 | 第15-32页 |
2.1 高光谱成像技术 | 第15-19页 |
2.1.1 高光谱成像技术和系统 | 第15-18页 |
2.1.2 高光谱分选仪工作流程 | 第18-19页 |
2.2 高光谱数据的采集 | 第19-31页 |
2.2.1 系统的初始检查 | 第19-20页 |
2.2.2 参数设置 | 第20-23页 |
2.2.3 高光谱数据的采集 | 第23-24页 |
2.2.4 对原图像进行黑白校准 | 第24-28页 |
2.2.5 高光谱图像预处理 | 第28-31页 |
2.3 本章总结 | 第31-32页 |
第3章 高光谱数据处理的算法以及ENVI实现 | 第32-48页 |
3.1 主成分分析法 | 第32-35页 |
3.1.1 主成分分析的原理 | 第32-33页 |
3.1.2 主成分分析处理高光谱数据的计算步骤 | 第33-35页 |
3.2 波段比算法 | 第35-36页 |
3.2.1 波段比算法原理 | 第35页 |
3.2.2 特征波长选取 | 第35-36页 |
3.3 监督分类的原理 | 第36-40页 |
3.3.1 监督分类概念及实现步骤 | 第36页 |
3.3.2 常见的监督分类器 | 第36-37页 |
3.3.3 支持向量机算法原理 | 第37-38页 |
3.3.4 正态分布与最大似然法原理 | 第38-39页 |
3.3.5 马氏距离分类法原理 | 第39-40页 |
3.4 高光谱数据处理的ENVI实现方法 | 第40-47页 |
3.4.1 ENVIclassic实现主成分分析 | 第40-44页 |
3.4.2 ENVI实现主成分分析 | 第44-45页 |
3.4.3 分别用ENVIclassic和ENVI实现波段比运算 | 第45-46页 |
3.4.4 监督分类的支持向量机,最大似然法,马氏距离法的实现 | 第46-47页 |
3.5 本章小结 | 第47-48页 |
第4章 苹果轻微机械损伤的无损检测 | 第48-55页 |
4.1 苹果的生物学特性以及我国苹果产业概况 | 第48页 |
4.2 实验材料及其过程 | 第48-49页 |
4.3 高光谱图像数据处理方法及结果 | 第49-54页 |
4.3.1 主成分分析法 | 第49-50页 |
4.3.2 波段比算法 | 第50-52页 |
4.3.3 监督分类的支持向量机、最大似然法、马氏距离法 | 第52页 |
4.3.4 数据分析结果及对比评价 | 第52-53页 |
4.3.5 结论 | 第53-54页 |
4.4 本章总结 | 第54-55页 |
第5章 利用高光谱成像技术对梨机械损伤无损检测 | 第55-62页 |
5.1 梨的生物学特性以及我国梨产业概况 | 第55页 |
5.1.1 梨的生物学特性 | 第55页 |
5.1.2 我国梨产业概况 | 第55页 |
5.2 实验材料及其过程 | 第55-56页 |
5.3 高光谱图像数据处理方法 | 第56-61页 |
5.3.1 主成分分析方法 | 第56-58页 |
5.3.2 波段比算法 | 第58-59页 |
5.3.3 监督分类法 | 第59页 |
5.3.4 数据分析结果及对比评价 | 第59-60页 |
5.3.5 结论 | 第60-61页 |
5.4 本章总结 | 第61-62页 |
第6章 总结与展望 | 第62-64页 |
6.1 全文总结 | 第62-63页 |
6.2 展望 | 第63-64页 |
参考文献 | 第64-67页 |
攻读硕士学位期间发表的学术论文 | 第67-68页 |
致谢 | 第68页 |