| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 研究现状 | 第10-12页 |
| 1.2.1 夜间机器视觉识别技术现状 | 第10-11页 |
| 1.2.2 夜间机器视觉识别应用于农业领域研究现状 | 第11-12页 |
| 1.3 主要研究内容 | 第12-14页 |
| 第2章 夜间苹果图像采集及特性分析 | 第14-22页 |
| 2.1 人工光源选择 | 第14-17页 |
| 2.2 夜间苹果图像采集 | 第17-18页 |
| 2.3 夜间苹果图像特性分析 | 第18-20页 |
| 2.3.1 主观视觉分析 | 第18页 |
| 2.3.2 直方图及梯度变化分析 | 第18-20页 |
| 2.4 本章小结 | 第20-22页 |
| 第3章 夜间苹果图像降噪方法研究 | 第22-36页 |
| 3.1 降噪效果评价 | 第22-24页 |
| 3.1.1 主观视觉效果 | 第23页 |
| 3.1.2 客观质量评价 | 第23-24页 |
| 3.2 小波变换图像降噪 | 第24-27页 |
| 3.3 基于PSO的稀疏分解的图像降噪 | 第27-35页 |
| 3.3.1 信号的稀疏分解 | 第27-28页 |
| 3.3.2 稀疏分解降噪的数学模型 | 第28-29页 |
| 3.3.3 PSO算法 | 第29-30页 |
| 3.3.4 基于PSO的稀疏分解降噪 | 第30-33页 |
| 3.3.5 降噪效果比较与分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 夜间苹果图像增强算法研究 | 第36-54页 |
| 4.1 传统的图像增强算法 | 第36-41页 |
| 4.1.1 直方图均衡化 | 第38-39页 |
| 4.1.2 同态滤波 | 第39-40页 |
| 4.1.3 基于双边滤波的Retinex算法 | 第40-41页 |
| 4.2 基于引导滤波改进的Retinex夜间图像增强算法 | 第41-49页 |
| 4.2.1 颜色模型选取 | 第42-45页 |
| 4.2.2 照度分量估计 | 第45-46页 |
| 4.2.3 反射分量校正 | 第46-48页 |
| 4.2.4 合成增强图像 | 第48页 |
| 4.2.5 引导滤波参数分析 | 第48-49页 |
| 4.3 增强效果比较与分析 | 第49-53页 |
| 4.3.1 主观视觉效果比较 | 第50-51页 |
| 4.3.2 客观质量性能参数分析 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 夜间苹果图像的分割识别 | 第54-61页 |
| 5.1 图像分割 | 第54-56页 |
| 5.2 分割效果比较与分析 | 第56-60页 |
| 5.3 本章小结 | 第60-61页 |
| 第6章 总结与展望 | 第61-63页 |
| 6.1 研究总结 | 第61-62页 |
| 6.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-68页 |
| 硕士期间的主要成果 | 第68页 |