| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-25页 |
| ·研究背景 | 第11-13页 |
| ·研究目的和意义 | 第13-14页 |
| ·本文主要研究内容的国内外研究现状 | 第14-23页 |
| ·家蚕微粒子病检测技术的总体现状 | 第14-15页 |
| ·图像分割技术的研究现状 | 第15-18页 |
| ·特征提取技术的研究现状 | 第18-21页 |
| ·图像识别技术的研究现状 | 第21-23页 |
| ·论文的课题支撑 | 第23页 |
| ·论文的结构框架与主要研究内容 | 第23-25页 |
| 第2章 家蚕微粒子图像预处理算法研究与实现 | 第25-44页 |
| ·微粒子图像的获取与分析 | 第25-26页 |
| ·传统图像增强算法分析 | 第26-31页 |
| ·直方图均衡化 | 第27-28页 |
| ·灰度变换 | 第28-30页 |
| ·平滑滤波 | 第30-31页 |
| ·基于模糊信息的图像增强处理算法研究 | 第31-43页 |
| ·Pal模糊增强算法理论 | 第32-35页 |
| ·Pal算法改进及其结果分析 | 第35-39页 |
| ·基于模糊对比度的图像增强处理算法 | 第39-41页 |
| ·基于模糊信息的图像增强处理算法实现 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 第3章 家蚕微粒子图像分割技术研究 | 第44-69页 |
| ·图像分割的概念及模型 | 第44-45页 |
| ·几种常见阈值分割算法分析 | 第45-50页 |
| ·双峰法 | 第46-47页 |
| ·迭代阈值分割法 | 第47-48页 |
| ·自适应Otsu阈值分割法 | 第48-50页 |
| ·面向微粒子图像的分割技术研究 | 第50-63页 |
| ·常用彩色图像的颜色模型分析 | 第51-53页 |
| ·微粒子图像彩色模型的确定及其相互关系 | 第53-57页 |
| ·基于HSI模型的微粒子图像分割技术 | 第57-63页 |
| ·微粒子图像分割的后续处理 | 第63-67页 |
| ·形态滤波 | 第63-65页 |
| ·种子填充 | 第65-66页 |
| ·粘连孢子的分离 | 第66-67页 |
| ·家蚕微粒子图像分割算法的实现 | 第67页 |
| ·本章小结 | 第67-69页 |
| 第4章 家蚕微粒子图像多特征提取技术研究与实现 | 第69-88页 |
| ·微粒子图像的特征提取概述 | 第69-70页 |
| ·微粒子图像的特征参数提取 | 第70-75页 |
| ·形状特征提取 | 第70-73页 |
| ·Hu不变矩特征提取 | 第73-75页 |
| ·基于多特征融合的微粒子图像特征选择 | 第75-83页 |
| ·特征选择的概念与方法 | 第75-77页 |
| ·微粒子图像的特征分析 | 第77-79页 |
| ·微粒子图像的特征选择 | 第79-83页 |
| ·微粒子图像的特征提取方法 | 第83-87页 |
| ·区域标记 | 第84-86页 |
| ·微粒子长/短轴特征提取 | 第86-87页 |
| ·本章小结 | 第87-88页 |
| 第5章 基于遗传神经网络的家蚕微粒子病识别技术研究 | 第88-115页 |
| ·模式识别方法概述 | 第88-90页 |
| ·人工神经网络模型及BP算法分析 | 第90-98页 |
| ·人工神经网络模型结构 | 第90-93页 |
| ·BP神经网络的学习过程 | 第93-95页 |
| ·BP算法分析及其改进 | 第95-98页 |
| ·遗传算法在BP神经网络设计中的实现 | 第98-106页 |
| ·遗传算法的基本理论及实现过程 | 第98-100页 |
| ·遗传算法与BP神经网络的算法融合 | 第100-102页 |
| ·遗传神经网络的结构设计及参数确定 | 第102-106页 |
| ·遗传神经网络在家蚕微粒子病识别系统中的应用 | 第106-113页 |
| ·家蚕微粒子病识别系统的方案设计及实现 | 第106-109页 |
| ·微粒子图像的神经网络学习与测试结果 | 第109-113页 |
| ·本章小结 | 第113-115页 |
| 第6章 总结与展望 | 第115-118页 |
| ·全文总结 | 第115-116页 |
| ·研究展望 | 第116-118页 |
| 参考文献 | 第118-126页 |
| 致谢 | 第126-127页 |
| 附录1 攻读博士学位期间发表的学术论文 | 第127-128页 |
| 附录2 微粒子图像样本在HSI空间各颜色分量数据 | 第128-130页 |
| 附录3 微粒子图像样本形状特征参数数据 | 第130-131页 |