| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 存在问题及发展前景 | 第14-16页 |
| 1.3.1 目前存在的问题 | 第14-15页 |
| 1.3.2 红枣检测发展前景 | 第15-16页 |
| 1.4 主要研究内容及方法 | 第16-17页 |
| 1.4.1 研究对象 | 第16页 |
| 1.4.2 研究内容 | 第16页 |
| 1.4.3 研究目标 | 第16页 |
| 1.4.4 研究方法及技术路线 | 第16-17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 纹理特征描述与分类算法 | 第18-28页 |
| 2.1 引言 | 第18页 |
| 2.2 灰度共生矩阵的纹理描述及归一化 | 第18-20页 |
| 2.3 形态学的纹理描述 | 第20-21页 |
| 2.4 BP神经网络分类算法 | 第21-24页 |
| 2.5 模糊神经网络分类算法 | 第24-26页 |
| 2.6 支持向量机分类算法 | 第26-27页 |
| 2.7 本章小结 | 第27-28页 |
| 第三章 OpenCV红枣纹理特征检测 | 第28-43页 |
| 3.1 红枣图像采集 | 第28-29页 |
| 3.2 基于离散小波变换的图像去噪与增强 | 第29-33页 |
| 3.2.1 小波分解与重构 | 第29-32页 |
| 3.2.2 红枣图像的去噪与增强 | 第32-33页 |
| 3.3 OpenCV统计学的红枣特征纹理提取 | 第33-35页 |
| 3.3.1 红枣的灰度共生矩阵纹理统计 | 第33页 |
| 3.3.2 红枣纹理BP神经网络分类算法 | 第33-34页 |
| 3.3.3 红枣纹理ANFIS分类算法 | 第34-35页 |
| 3.4 OpenCV形态学的连通域提取 | 第35-38页 |
| 3.4.1 二进制阈值获取红枣二值图 | 第35-36页 |
| 3.4.2 红枣轮廓提取及质心的确定 | 第36-37页 |
| 3.4.3 红枣特征纹理提取及质心的确定 | 第37-38页 |
| 3.5 OpenCV红枣纹理评估算法研究 | 第38-40页 |
| 3.5.1 以红枣质心为原点的连通域疏密程度的纹理评估 | 第39页 |
| 3.5.2 以连通域质心坐标平均值为原点的纹理评估 | 第39-40页 |
| 3.6 基于libSVM的红枣纹理优劣分级模型的建立 | 第40-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第四章 基于OpenCV的数字图像处理系统设计 | 第43-54页 |
| 4.1 系统的总体框架设计 | 第43-44页 |
| 4.2 系统各模块设计 | 第44-51页 |
| 4.2.1 文件操作 | 第44-45页 |
| 4.2.2 几何变换 | 第45-46页 |
| 4.2.3 单通道处理 | 第46-47页 |
| 4.2.4 图像增强 | 第47-48页 |
| 4.2.5 相机操作 | 第48-50页 |
| 4.2.6 视频操作 | 第50-51页 |
| 4.3 OpenCV红枣的动态追踪 | 第51-53页 |
| 4.3.1 视频帧提取 | 第51页 |
| 4.3.2 红枣图像定位 | 第51-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第五章 结论与展望 | 第54-56页 |
| 5.1 论文结论 | 第54-55页 |
| 5.2 进一步研究展望 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录.彩色视频转灰度视频代码 | 第58-59页 |
| 致谢 | 第59-60页 |
| 作者简介 | 第60-61页 |
| 石河子大学硕士研究生学位论文导师评阅表 | 第61页 |
