首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于高光谱和图像技术的龙井茶叶品质检测方法研究

摘要第1-7页
ABSTRACT第7-11页
第1章 绪论第11-21页
   ·课题研究背景及意义第11-12页
   ·国内外研究现状第12-15页
     ·光谱技术在茶叶中应用的研究现状第12-13页
     ·计算机图像处理技术在茶叶中应用的研究现状第13-15页
   ·研究方法第15-19页
     ·光谱技术第15-17页
     ·图像处理技术第17-19页
   ·课题研究内容和技术路线第19-21页
第2章 龙井茶叶图像特征信息分析与提取第21-46页
   ·图像检测系统及实验样本选择第21-23页
   ·图像预处理第23-26页
     ·直方图均衡化第23-24页
     ·图像平滑度处理第24-26页
   ·颜色空间第26-29页
     ·RGB 颜色空间第26-27页
     ·HIS 颜色空间第27-28页
     ·CIELAB 颜色空间第28-29页
   ·灰度共生矩阵第29-31页
   ·颜色特征选择与分析第31-40页
     ·颜色特征提取第32-37页
     ·颜色特征与茶叶等级的单相关分析第37-40页
   ·纹理特征选择与分析第40-44页
     ·纹理特征提取第40-42页
     ·纹理特征与茶叶等级的单相关分析第42-44页
   ·本章小结第44-46页
第3章 龙井茶叶光谱特征信息分析与提取第46-66页
   ·仪器设备及检测系统第46-49页
     ·仪器设备第46-47页
     ·检测系统与光谱采集第47-49页
   ·光谱数据预处理第49-52页
     ·数据标准化处理第49页
     ·消噪处理第49-52页
   ·光谱分析技术第52-56页
     ·光谱微分技术第52-53页
     ·光谱吸收特征分析第53-54页
     ·光谱位置变量特征分析第54页
     ·光谱植被指数特征分析第54-56页
   ·光谱特征选择与分析第56-64页
     ·光谱吸收特征选择第56-57页
     ·光谱红边特征选择第57-58页
     ·植被指数特征选择第58-60页
     ·光谱特征参数提取第60-62页
     ·光谱特征参数与茶叶等级相关性分析第62-64页
   ·本章小结第64-66页
第4章 判别模型建立与结果分析第66-79页
   ·支持向量机分类器第66-70页
     ·线性可分分类器第66-69页
     ·非线性可分分类器第69-70页
   ·遗传算法第70-72页
   ·判别模型建立第72-76页
     ·核函数的选择第72-74页
     ·参数的优化选择第74-76页
   ·分类结果与分析第76-77页
   ·本章小结第77-79页
第5章 结论与展望第79-81页
   ·课题研究总结第79-80页
   ·创新点第80页
   ·研究展望第80-81页
参考文献第81-85页
致谢第85-86页
攻读学位期间发表的学术论文第86页

论文共86页,点击 下载论文
上一篇:一种鼻咽癌激光荧光定位系统及其图像处理
下一篇:中枢神经系统感染患者明胶酶水平测定及意义