| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 缩略语表 | 第9-10页 |
| 1 引言 | 第10-15页 |
| 1.1 综述 | 第10-11页 |
| 1.2 图像识别目的和意义 | 第11-12页 |
| 1.3 国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 研究内容及目的 | 第14-15页 |
| 1.4.1 研究内容 | 第14页 |
| 1.4.2 实验研究目的 | 第14-15页 |
| 1.4.3 实验流程图 | 第15页 |
| 2 图像采集和图像数据的提取 | 第15-27页 |
| 2.1 实验材料和仪器 | 第15-17页 |
| 2.1.1 实验材料 | 第15-17页 |
| 2.1.2 实验仪器 | 第17页 |
| 2.2 树皮和木片图像采集和处理 | 第17-18页 |
| 2.2.1 图像采集 | 第17页 |
| 2.2.2 图像预处理 | 第17-18页 |
| 2.3 利用MATLAB提取图像参数 | 第18-21页 |
| 2.3.1 特征参数 | 第18-21页 |
| 2.3.2 程序编辑和图像参数数据提取 | 第21页 |
| 2.4 数据分析 | 第21-27页 |
| 2.4.1 参数对比和新参数 | 第21-23页 |
| 2.4.2 利用MATLAB绘制参数图形及分析 | 第23-26页 |
| 2.4.3 新参数的数据分析 | 第26-27页 |
| 2.5 小结 | 第27页 |
| 3 基于SVM的木片和树皮的识别 | 第27-41页 |
| 3.1 SVM及其识别原理 | 第27-31页 |
| 3.1.1 实验参数的设置 | 第27-28页 |
| 3.1.2 SVM识别过程 | 第28页 |
| 3.1.3 图像数据分类方法和识别原理 | 第28-30页 |
| 3.1.4 识别模型 | 第30-31页 |
| 3.2 基于SVM多项式函数识别木片和木材 | 第31-34页 |
| 3.2.1 多项式函数 | 第31页 |
| 3.2.2 实验及结论 | 第31-33页 |
| 3.2.3 小结 | 第33-34页 |
| 3.4 基于SVM径向基函数的识别 | 第34-38页 |
| 3.4.1 径向基函数 | 第34页 |
| 3.4.2 利用径向基函数对木片和树皮进行识别 | 第34页 |
| 3.4.3 SVM识别中参数c,g的选取 | 第34-35页 |
| 3.4.4 实验数据和结论分析 | 第35-37页 |
| 3.4.5 小结 | 第37-38页 |
| 3.5 基于Sigmoid函数对树皮和木片识别 | 第38-41页 |
| 3.5.1 图像数据识别处理 | 第38页 |
| 3.5.2 结果和分析 | 第38-40页 |
| 3.5.3 小结 | 第40-41页 |
| 4 基于BP神经网络对木片和树皮进行识别 | 第41-46页 |
| 4.1 BP神经网络识别过程 | 第41-43页 |
| 4.1.1 神经网络的工作环境 | 第41-42页 |
| 4.1.2 参数设置 | 第42-43页 |
| 4.2 神经网络对木片和树皮的识别 | 第43-45页 |
| 4.2.1 建立数据集 | 第43页 |
| 4.2.2 基于BP识别的木片和树皮识别结果及分析 | 第43-45页 |
| 4.3 识别方法比较 | 第45-46页 |
| 4.3.1 主要的功能方向 | 第45页 |
| 4.3.2 SVM中各核函数的比较 | 第45-46页 |
| 4.3.3 BP神经网络和SVM识别的比较 | 第46页 |
| 5 结论创新 | 第46-47页 |
| 5.1 结论 | 第46页 |
| 5.2 创新点 | 第46-47页 |
| 6 展望 | 第47-48页 |
| 致谢 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录 | 第52-65页 |
| 作者简介 | 第65页 |