基于图像处理的小麦粉精度自动检测
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-17页 |
| ·课题研究的背景 | 第9-10页 |
| ·课题研究的意义 | 第10-11页 |
| ·课题发展现状 | 第11-14页 |
| ·论文的研究内容 | 第14-15页 |
| ·论文的结构安排 | 第15-16页 |
| ·论文组织结构 | 第16-17页 |
| 第二章 实验装置及小麦粉图像获取 | 第17-18页 |
| ·实验装置 | 第17页 |
| ·小麦粉图片的获取 | 第17-18页 |
| ·小麦粉样品 | 第17页 |
| ·小麦粉图像的获取 | 第17-18页 |
| 第三章 图像颜色特征的提取 | 第18-36页 |
| ·面向硬件设备的颜色模型 | 第19-22页 |
| ·RGB 颜色模型 | 第19页 |
| ·CMYK 颜色模型 | 第19-20页 |
| ·I_1，I_2，I_3颜色模型 | 第20页 |
| ·归一化颜色模型 | 第20-21页 |
| ·彩色电视颜色模型 | 第21-22页 |
| ·面向视觉感知的颜色模型 | 第22-26页 |
| ·HSI 模型 | 第22-23页 |
| ·HSV 颜色模型 | 第23-24页 |
| ·HSB 颜色模型 | 第24-25页 |
| ·L*a*b* 颜色模型 | 第25-26页 |
| ·小麦粉颜色特征提取 | 第26-34页 |
| ·实验结果分析 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 麸星含量特征的提取 | 第36-45页 |
| ·图像分割 | 第36-37页 |
| ·基于阈值的分割 | 第36页 |
| ·基于边缘的分割 | 第36-37页 |
| ·基于区域的分割 | 第37页 |
| ·基于运动的分割 | 第37页 |
| ·小麦粉麸星含量的特征提取 | 第37-42页 |
| ·实验结果及分析 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 小麦粉分类器的设计 | 第45-61页 |
| ·模糊C 均值聚类算法的综合概述 | 第45-47页 |
| ·蚁群算法 | 第47-50页 |
| ·平均相似性 | 第47-48页 |
| ·概率转换函数 | 第48-49页 |
| ·算法描述 | 第49-50页 |
| ·基于蚁群算法的模糊 C 均值聚类算法 | 第50-52页 |
| ·模糊模式识别 | 第52-54页 |
| ·最大隶属原则 | 第53页 |
| ·择近原则 | 第53-54页 |
| ·小麦粉分类器设计 | 第54-60页 |
| ·小麦粉分类器模糊识别流程 | 第55-57页 |
| ·小麦粉分类器处理结果图 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-63页 |
| ·论文工作总结 | 第61页 |
| ·展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 致谢 | 第66-67页 |
| 个人简历 | 第67页 |
