谷物图像的快速特征提取及分选算法的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 前言 | 第9-13页 |
| ·本课题研究背景 | 第9-11页 |
| ·计算机在农业中的应用 | 第9页 |
| ·计算机视觉在农业中的应用 | 第9-10页 |
| ·谷物分选机的应用现状及发展趋势 | 第10-11页 |
| ·本课题的研究内容、目的及意义 | 第11-12页 |
| ·课题研究的主要内容 | 第11页 |
| ·本课题的研究目的 | 第11页 |
| ·本课题的研究意义 | 第11-12页 |
| ·论文结构 | 第12-13页 |
| 2 理论基础 | 第13-27页 |
| ·谷物分选机的结构 | 第13-14页 |
| ·供料系统 | 第13页 |
| ·光电系统 | 第13-14页 |
| ·分选系统 | 第14页 |
| ·电控系统 | 第14页 |
| ·谷物分选机的工作原理 | 第14页 |
| ·计算机视觉 | 第14-17页 |
| ·计算机视觉与计算机视觉系统 | 第14-15页 |
| ·计算机视觉的发展与应用 | 第15-17页 |
| ·数字图像处理 | 第17-24页 |
| ·图像与数字图像 | 第17页 |
| ·图像处理与数字图像处理 | 第17-18页 |
| ·数字图像处理的发展与应用 | 第18-20页 |
| ·数字图像处理的主要研究内容 | 第20-21页 |
| ·数字图像的描述 | 第21-22页 |
| ·数字图像的文件格式 | 第22-24页 |
| ·模式识别 | 第24-27页 |
| ·模式识别与计算机模式识别系统的组成 | 第24-25页 |
| ·模式识别的方法 | 第25-26页 |
| ·模式识别的应用 | 第26-27页 |
| 3 软件设计与特征值提取 | 第27-41页 |
| ·软件的设计环境和要求 | 第27-28页 |
| ·硬件系统 | 第27页 |
| ·软件系统 | 第27-28页 |
| ·软件设计 | 第28-39页 |
| ·图像的获取 | 第28-31页 |
| ·彩色图像转化为灰度图像 | 第31-32页 |
| ·中值滤波降噪 | 第32-33页 |
| ·灰度拉伸 | 第33-34页 |
| ·灰度图像二值化 | 第34-36页 |
| ·连通区域标记去除伪区域 | 第36页 |
| ·谷物图像的轮廓提取 | 第36-37页 |
| ·最小外接矩形 | 第37-39页 |
| ·特征值提取 | 第39-41页 |
| ·形状特征 | 第39页 |
| ·灰度特征 | 第39-41页 |
| 4 数据分析与谷物分选 | 第41-57页 |
| ·谷物识别方法分析 | 第41-44页 |
| ·贝叶斯决策 | 第41-42页 |
| ·贝叶斯决策法的应用分析 | 第42-43页 |
| ·正态分布的概率分析 | 第43-44页 |
| ·特征数据的分析与处理流程 | 第44页 |
| ·特征数据分析 | 第44-54页 |
| ·面积特征值分析 | 第44-46页 |
| ·长径、短径及长宽比特征值分析 | 第46-49页 |
| ·形状特征值分析小结 | 第49页 |
| ·灰度特征值分析 | 第49-54页 |
| ·谷物分选 | 第54-57页 |
| ·谷物分选算法 | 第54页 |
| ·谷物分选算法的实际应用 | 第54-57页 |
| 5 结论 | 第57-58页 |
| 6 展望 | 第58-60页 |
| ·课题研究中的不足 | 第58页 |
| ·实际应用中可能会遇到的问题 | 第58页 |
| ·展望 | 第58-60页 |
| 7 参考文献 | 第60-66页 |
| 8 论文发表情况 | 第66-67页 |
| 9 致谢 | 第67页 |
