| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·选题背景及意义 | 第8-9页 |
| ·国内外研究现状及发展趋势 | 第9-10页 |
| ·颗粒计数技术现状及发展趋势 | 第9页 |
| ·农作物种子图像分割现状及发展趋势 | 第9-10页 |
| ·主要研究内容及论文安排 | 第10-13页 |
| ·主要研究内容 | 第10-12页 |
| ·论文组织安排 | 第12-13页 |
| 第二章 机器视觉平台与系统模块设计 | 第13-20页 |
| ·种子颗粒图像采集系统 | 第13-18页 |
| ·CCD相机的选择 | 第13-14页 |
| ·镜头的选择 | 第14-15页 |
| ·光源的选择 | 第15-18页 |
| ·系统模块设计 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 种子检测计数相关的图像预处理 | 第20-28页 |
| ·图像基础知识 | 第20-22页 |
| ·数字图像 | 第20页 |
| ·二值图像 | 第20页 |
| ·像素的邻域 | 第20-22页 |
| ·图像平滑去噪 | 第22-24页 |
| ·图像二值化 | 第24-25页 |
| ·形态学处理 | 第25-26页 |
| ·边缘检测 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 种子图像初分割 | 第28-40页 |
| ·图像分割技术研究 | 第28-32页 |
| ·基于阈值的图像分割方法 | 第28-30页 |
| ·流域分割算法 | 第30-31页 |
| ·基于聚类的图像分割方法 | 第31-32页 |
| ·模糊C均值聚类算法分割图像 | 第32-39页 |
| ·模糊集理论 | 第32-33页 |
| ·模糊C均值(FCM)聚类算法分割图像 | 第33-36页 |
| ·改进的模糊C均值聚类算法分割图像 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 第五章 基于支持向量机(SVM)的粘连种子分割计数 | 第40-56页 |
| ·图像识别流程 | 第40-41页 |
| ·支持向量机(SVM)理论 | 第41-48页 |
| ·支持向量机(SVM)原理 | 第42-45页 |
| ·SVM的非线性映射 | 第45-47页 |
| ·支持向量机(SVM)的核函数 | 第47-48页 |
| ·支持向量机与图像识别的关系 | 第48页 |
| ·SVM分类器识别粘连种子颗粒图像 | 第48-55页 |
| ·粘连种子颗粒特征提取 | 第49-52页 |
| ·SVM分类器构建 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第六章 系统实现与试验分析 | 第56-62页 |
| ·系统软件设计 | 第56-59页 |
| ·系统软件设计流程 | 第56-57页 |
| ·Qt Creator | 第57-58页 |
| ·OpenCV图像处理库 | 第58页 |
| ·LIBSVM | 第58页 |
| ·软件界面设计 | 第58-59页 |
| ·实验结果与误差分析 | 第59-61页 |
| ·实验结果 | 第59-60页 |
| ·误差分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 第七章 结论与展望 | 第62-64页 |
| 参考文献 | 第64-67页 |
| 攻读硕士学位期间发表的论文 | 第67-68页 |
| 致谢 | 第68-69页 |