| 摘要 | 第8-11页 |
| ABSTRACT | 第11-14页 |
| 第一章 绪论 | 第15-45页 |
| 1.1 研究背景及意义 | 第15-16页 |
| 1.2 高光谱特征提取及识别方法研究现状 | 第16-29页 |
| 1.2.1 高光谱特征波段选取的主要方法 | 第17-21页 |
| 1.2.1.1 连续投影算法 | 第17-19页 |
| 1.2.1.2 主成分分析法 | 第19-20页 |
| 1.2.1.3 光谱分析算法 | 第20-21页 |
| 1.2.2 高光谱图像特征区域提取方法 | 第21-24页 |
| 1.2.2.1 手工选取 | 第21-22页 |
| 1.2.2.2 阈值法选取 | 第22-23页 |
| 1.2.2.3 区域生长法 | 第23-24页 |
| 1.2.3 检测目标识别方法 | 第24-29页 |
| 1.2.3.1 多元线性回归MLR建模 | 第24-26页 |
| 1.2.3.2 偏最小二乘回归PLS建模 | 第26-27页 |
| 1.2.3.3 支持向量机SVM建模 | 第27-28页 |
| 1.2.3.4 基于二维相关光谱的识别方法 | 第28-29页 |
| 1.3 高光谱图像技术在禽胴体检测方面的研究现状 | 第29-35页 |
| 1.3.1 禽胴体高光谱图像特征波段选取方法的研究 | 第32-34页 |
| 1.3.1.1 主成分分析法在家禽胴体高光谱检测中的应用 | 第32-33页 |
| 1.3.1.2 光谱差异法在家禽胴体高光谱检测中的应用 | 第33页 |
| 1.3.1.3 荧光光谱法在家禽胴体高光谱检测中的应用 | 第33-34页 |
| 1.3.2 感兴趣区(ROI)的提取方法研究 | 第34页 |
| 1.3.3 特征识别方法研究 | 第34-35页 |
| 1.4 研究尚存问题 | 第35-36页 |
| 1.5 研究内容和技术路线 | 第36-38页 |
| 1.5.1 研究内容 | 第36页 |
| 1.5.2 技术路线 | 第36-38页 |
| 参考文献 | 第38-45页 |
| 第二章 利用SPA-MLR-ROC分类器检测鸡胴体表面污染物的试验研究 | 第45-65页 |
| 2.1 实验材料及仪器 | 第45-47页 |
| 2.1.1 实验材料 | 第45-46页 |
| 2.1.2 实验仪器 | 第46-47页 |
| 2.1.3 高光谱图像采集 | 第47页 |
| 2.2 实验步骤与方法 | 第47-53页 |
| 2.2.1 图像校正 | 第47-48页 |
| 2.2.2 样本制作 | 第48-49页 |
| 2.2.3 SPA-MLR-ROC分类器的构建 | 第49-51页 |
| 2.2.3.1 基于SPA的特征波段选择 | 第49页 |
| 2.2.3.2 基于MLR的像素识别模型 | 第49页 |
| 2.2.3.3 利用ROC方法确定像素分类阈值 | 第49-50页 |
| 2.2.3.4 检测结果可视化 | 第50-51页 |
| 2.2.4 SPA-PLS-ROC分类器的构建 | 第51-52页 |
| 2.2.5 SPA-LS-SVM分类器的构建 | 第52页 |
| 2.2.6 波段比图像检测法 | 第52-53页 |
| 2.3 实验结果与分析 | 第53-63页 |
| 2.3.1 SPA-MLR-ROC分类器及其检测结果 | 第53-57页 |
| 2.3.1.1 基于SPA方法选取的特征波段 | 第53-54页 |
| 2.3.1.2 MLR构建的识别函数方程 | 第54页 |
| 2.3.1.3 ROC分析确定的阈值 | 第54-55页 |
| 2.3.1.4 SPA-MLR-ROC分类器检测结果 | 第55-57页 |
| 2.3.2 SPA-PLS-ROC分类器及其检测结果 | 第57-58页 |
| 2.3.3 SPA-LS-SVM分类器及其检测结果 | 第58-59页 |
| 2.3.4 波段比图像算法检测结果 | 第59-61页 |
| 2.3.5 讨论 | 第61-63页 |
| 2.4 本章小结 | 第63页 |
| 参考文献 | 第63-65页 |
| 第三章 基于高光谱二维相关谱的鸡胴体表面低可见污染物的检测方法 | 第65-83页 |
| 3.1 实验材料及仪器 | 第65-67页 |
| 3.1.1 实验材料 | 第65-66页 |
| 3.1.2 高光谱图像系统 | 第66-67页 |
| 3.1.3 高光谱图像采集 | 第67页 |
| 3.2 实验方法 | 第67-71页 |
| 3.2.1 图像校正 | 第67页 |
| 3.2.2 高光谱二维相关谱的构建 | 第67-70页 |
| 3.2.3 用于污染物检测的2D散点图 | 第70页 |
| 3.2.4 ROC阈值确定方法 | 第70页 |
| 3.2.5 识别结果可视化 | 第70-71页 |
| 3.3 实验结果与分析 | 第71-81页 |
| 3.3.1 高光谱二维相关谱 | 第71-72页 |
| 3.3.2 2D散点图中像素分布规律分析 | 第72-74页 |
| 3.3.3 ROC分析确定分割阈值 | 第74-77页 |
| 3.3.4 检测结果 | 第77-79页 |
| 3.3.5 与波段比算法对比 | 第79-81页 |
| 参考文献 | 第81-83页 |
| 第四章 基于区域特征的双波段算法检测鸡胴体表面低可见污染物 | 第83-95页 |
| 4.1 实验材料及仪器 | 第83-84页 |
| 4.1.1 实验材料 | 第83-84页 |
| 4.1.2 实验仪器 | 第84页 |
| 4.1.3 高光谱图像采集 | 第84页 |
| 4.2 实验方法 | 第84-86页 |
| 4.2.1 基于ROI光谱特征的掩膜最优波段确定方法 | 第84-85页 |
| 4.2.2 基于区域生长和最大连通法的ROI提取 | 第85-86页 |
| 4.2.3 基于特征波段的污染物识别 | 第86页 |
| 4.3 结果与分析 | 第86-92页 |
| 4.3.1 掩膜最优波段 | 第86-87页 |
| 4.3.2 污染物识别的最优波段 | 第87-88页 |
| 4.3.3 低浓度污染物的双波段检测流程 | 第88-91页 |
| 4.3.3.1 掩膜波段处理 | 第89-90页 |
| 4.3.3.2 识别波段处理 | 第90-91页 |
| 4.3.4 ROI面积统计结果 | 第91页 |
| 4.3.5 整体识别结果 | 第91-92页 |
| 4.4 本章小结 | 第92-93页 |
| 参考文献 | 第93-95页 |
| 第五章 不同光源条件下鸡胴体表面污染物双波段检测算法的适用性实验研究 | 第95-105页 |
| 5.1 实验材料及仪器 | 第95-96页 |
| 5.1.1 实验材料 | 第95页 |
| 5.1.2 实验仪器 | 第95-96页 |
| 5.1.2.1 实验光源 | 第95-96页 |
| 5.1.2.2 高光谱相机 | 第96页 |
| 5.2 实验方法 | 第96页 |
| 5.3 实验结果 | 第96-103页 |
| 5.3.1 不同光照条件下光谱响应对比 | 第96-98页 |
| 5.3.2 不同光照条件下最优检测特征波段对比 | 第98-101页 |
| 5.3.3 EMCCD高光谱相机系统检测结果 | 第101-103页 |
| 5.4 本章小结 | 第103页 |
| 参考文献 | 第103-105页 |
| 第六章 结论与建议 | 第105-107页 |
| 6.1 全文总结 | 第105-106页 |
| 6.2 创新点 | 第106页 |
| 6.3 后续工作 | 第106-107页 |
| 致谢 | 第107-109页 |
| 攻读博士期间取得的学术成果 | 第109-110页 |
