基于颜色模型的烟草异物识别算法研究
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.2.1 烟草异物识别国外的研究现状 | 第11页 |
| 1.2.2 烟草异物识别国内的研究现状 | 第11-12页 |
| 1.3 论文研究内容 | 第12-13页 |
| 1.4 论文组织结构安排 | 第13-15页 |
| 第二章 烟草异物识别理论基础 | 第15-29页 |
| 2.1 模式识别 | 第15-22页 |
| 2.1.1 概述 | 第15-17页 |
| 2.1.2 Bayes决策理论 | 第17-19页 |
| 2.1.3 基于数学模型的判别方法 | 第19-22页 |
| 2.2 烟草异物剔除相关介绍 | 第22-25页 |
| 2.2.1 烟草异物剔除工作原理 | 第22-24页 |
| 2.2.2 烟草异物剔除的特点 | 第24-25页 |
| 2.2.3 烟草中典型的异物 | 第25页 |
| 2.3 烟叶颜色模型的建立 | 第25-28页 |
| 2.3.1 本文使用的颜色模型简介 | 第25-26页 |
| 2.3.2 颜色模型建立的过程 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 烟叶图像校正和分割 | 第29-47页 |
| 3.1 基于统计直方图的烟叶图像校正 | 第29-35页 |
| 3.1.1 直方图基本概述 | 第29-30页 |
| 3.1.2 直方图应用 | 第30-32页 |
| 3.1.3 图像校正 | 第32-34页 |
| 3.1.4 试验结果分析 | 第34-35页 |
| 3.2 图像分割 | 第35-46页 |
| 3.2.1 基于阈值的图像分割 | 第36-39页 |
| 3.2.2 基于区域的图像分割 | 第39-40页 |
| 3.2.3 结合特定理论的分割 | 第40-43页 |
| 3.2.4 本文使用的分割算法 | 第43-46页 |
| 3.3 本章小结 | 第46-47页 |
| 第四章 烟草异物识别算法研究 | 第47-68页 |
| 4.1 建立烟叶颜色模型 | 第47页 |
| 4.2 基于颜色模型的类间标准差识别算法 | 第47-50页 |
| 4.2.1 正态分布 | 第47-48页 |
| 4.2.2 算法实现原理 | 第48-50页 |
| 4.3 基于SVDD和查找表的识别算法 | 第50-56页 |
| 4.3.1 SVDD基本原理 | 第50-52页 |
| 4.3.2 特征提取及分类模型建立 | 第52-56页 |
| 4.3.3 算法优化与建立查找表 | 第56页 |
| 4.4 算法效果验证 | 第56-67页 |
| 4.4.1 典型异物规格及异物图像采集 | 第56-59页 |
| 4.4.2 试验验证算法效果 | 第59-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 烟草异物识别系统设计与实现 | 第68-76页 |
| 5.1 系统平台介绍 | 第68-70页 |
| 5.1.1 创建系统框架 | 第68页 |
| 5.1.2 OpenCV、OpenGL简介 | 第68-69页 |
| 5.1.3 C/C++与Python混合编程 | 第69-70页 |
| 5.2 系统功能模块逻辑结构与工作流程 | 第70-72页 |
| 5.2.1 系统功能模块逻辑结构 | 第70-71页 |
| 5.2.2 系统工作流程 | 第71-72页 |
| 5.3 系统各模块功能界面设计与效果 | 第72-75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 研究总结 | 第76-77页 |
| 6.2 未来展望 | 第77-78页 |
| 参考文献 | 第78-82页 |
| 致谢 | 第82-83页 |
| 在学期间研究成果及发表的学术论文 | 第83页 |
