基于图像处理的小麦外观品质检测与分级
摘要 | 第1-5页 |
Abstract | 第5-8页 |
第一章 绪论 | 第8-12页 |
·研究目的与意义 | 第8页 |
·国内外研究现状 | 第8-12页 |
·图像处理技术在农业中的应用 | 第8页 |
·国外研究现状 | 第8-10页 |
·国内研究现状 | 第10页 |
·主要研究目标与内容 | 第10-12页 |
第二章 小麦图像处理算法研究 | 第12-22页 |
·小麦图像的采集 | 第12页 |
·小麦图像处理 | 第12-21页 |
·图像增强 | 第12-18页 |
·图像分割 | 第18-20页 |
·形态学处理算法 | 第20-21页 |
·小结 | 第21-22页 |
第三章 特征参数提取 | 第22-38页 |
·多对象轮廓提取 | 第22-25页 |
·像素的邻域 | 第22-23页 |
·链码 | 第23页 |
·轮廓提取算法 | 第23-25页 |
·特征参数提取 | 第25-37页 |
·形态特征提取 | 第25-28页 |
·颜色特征提取 | 第28-32页 |
·纹理特征提取 | 第32-37页 |
·小结 | 第37-38页 |
第四章 人工神经网络 | 第38-46页 |
·BP神经网络原理 | 第38-39页 |
·建立模型 | 第39-40页 |
·分类网络的构建 | 第40-45页 |
·构造训练集、测试集 | 第40页 |
·构建网络 | 第40-41页 |
·实验结果 | 第41-45页 |
·小结 | 第45-46页 |
第五章 神经网络优化 | 第46-50页 |
·遗传算法 | 第46页 |
·GA-BP神经网络模型 | 第46-47页 |
·基于MSE的特征参数筛选 | 第46-47页 |
·变量之间的关系 | 第47页 |
·MIV—BP神经网络模型 | 第47-49页 |
·基于平均影响值(MIV)的变量筛选 | 第47-49页 |
·小结 | 第49-50页 |
第六章 小麦特征参数与千粒重的关系 | 第50-54页 |
·千粒重的测定 | 第50-51页 |
·小麦千粒重与特征参数的关系 | 第51-53页 |
·小麦特征参数的处理 | 第51-52页 |
·混合特征参数与千粒重的相关性 | 第52-53页 |
·小结 | 第53-54页 |
第七章 总结与展望 | 第54-56页 |
·总结 | 第54-55页 |
·展望 | 第55-56页 |
参考文献 | 第56-59页 |
致谢 | 第59-60页 |
个人简历 | 第60页 |