| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-13页 |
| ·研究水果自动分级系统的背景和意义 | 第9页 |
| ·计算机图像技术概述 | 第9-10页 |
| ·国内外在使用计算机图像技术及机器视觉技术进行果蔬品质分级研究的进展 | 第10-12页 |
| ·本文研究的目的和内容 | 第12-13页 |
| 第二章 果实图像的采集、预处理及图像分割 | 第13-25页 |
| ·系统硬件及图像采集 | 第13-14页 |
| ·系统的的硬件组成 | 第13页 |
| ·图像的定时采集 | 第13-14页 |
| ·图像预处理 | 第14-17页 |
| ·图像灰度化 | 第15页 |
| ·灰度拉伸变换 | 第15-16页 |
| ·中值滤波 | 第16-17页 |
| ·果实图像中目标的分割 | 第17-20页 |
| ·最小错误阈值法分割 | 第17-18页 |
| ·最大方差阈值法分割 | 第18-20页 |
| ·形态学开运算和果梗的提取 | 第20-23页 |
| ·数学形态学与图像处理 | 第20页 |
| ·二值腐蚀和膨胀 | 第20-21页 |
| ·苹果的果梗的提取 | 第21-23页 |
| ·果实边界的提取和周长的计算 | 第23-25页 |
| ·轮廓跟踪 | 第23-24页 |
| ·周长的计算 | 第24-25页 |
| 第三章 苹果形状的特征提取 | 第25-32页 |
| ·果实区域的矩特征描述和形心的计算 | 第25页 |
| ·基于目标边界曲线的傅立叶变换的果实形状特征描述方法 | 第25-29页 |
| ·离散傅立叶级数及离散傅立叶变换 | 第26页 |
| ·边界轮廓线的傅立叶描述子 | 第26-29页 |
| ·特征向量的获取 | 第29-32页 |
| 第四章 基于遗传BP混合算法的前向神经网络设计 | 第32-43页 |
| ·引言 | 第32页 |
| ·前向神经网络和BP算法 | 第32-35页 |
| ·神经网络原理 | 第32-33页 |
| ·BP算法及其改进 | 第33-35页 |
| ·遗传算法和BP算法相结合的混合算法 | 第35-40页 |
| ·遗传算法基本思想 | 第35-36页 |
| ·遗传算法的特点 | 第36页 |
| ·遗传算法和BP算法的有机结合 | 第36-37页 |
| ·算法模型的确定 | 第37-38页 |
| ·遗传算法流程 | 第38-40页 |
| ·神经网络的结构设计以及混合算法中各参数的确定 | 第40-43页 |
| ·三层前向神经网络的设计 | 第40-41页 |
| ·混合算法中参数的确定 | 第41-43页 |
| 第五章 苹果表面碰压伤部分的提取 | 第43-46页 |
| ·引言 | 第43页 |
| ·HIS颜色系统简介 | 第43页 |
| ·表面碰压伤的提取过程 | 第43-46页 |
| 第六章 程序设计和试验结果 | 第46-51页 |
| ·程序设计 | 第46页 |
| ·试验结果 | 第46-51页 |
| ·试验样本的人工分类 | 第46-47页 |
| ·隐含层节点数目的确定 | 第47-48页 |
| ·42个样本的检验结果 | 第48-49页 |
| ·检验平移、旋转、尺度大小不变性 | 第49-51页 |
| 第七章 结论及展望 | 第51-53页 |
| ·主要结论 | 第51页 |
| ·对今后工作的展望 | 第51-53页 |
| 参考文献 | 第53-55页 |
| 附录 | 第55-58页 |
| 攻读硕士学位期间发表的论文 | 第58-59页 |
| 致谢 | 第59页 |