| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究目的及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 传统新鲜度检测方法研究 | 第9-10页 |
| 1.2.2 新型新鲜度检测方法研究 | 第10-11页 |
| 1.2.3 高光谱新鲜度检测方法研究 | 第11-13页 |
| 1.2.4 基于纹理的图像检测研究 | 第13页 |
| 1.2.5 智能算法的研究 | 第13-14页 |
| 1.3 本文的研究内容和技术路线 | 第14-16页 |
| 第二章 实验材料和实验方法 | 第16-21页 |
| 2.1 实验材料与高光谱成像系统 | 第16-18页 |
| 2.2 高光谱采集方法 | 第18-19页 |
| 2.3 TVB-N检测方法 | 第19-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第三章 光谱数据处理 | 第21-27页 |
| 3.1 平均光谱曲线的建立 | 第21-22页 |
| 3.2 主成分分析 | 第22-26页 |
| 3.2.1 传统主成分分析 | 第22-23页 |
| 3.2.2 基于平均光谱曲线的分段主成分分析 | 第23-25页 |
| 3.2.3 特征波长的选取 | 第25-26页 |
| 3.3 本章小结 | 第26-27页 |
| 第四章 图像数据处理 | 第27-46页 |
| 4.1 波段比算法的预处理 | 第27-28页 |
| 4.2 图像滤波去噪 | 第28-33页 |
| 4.2.1 均值滤波 | 第28-30页 |
| 4.2.2 中值滤波 | 第30-31页 |
| 4.2.3 双边滤波 | 第31-33页 |
| 4.3 阈值分割 | 第33-36页 |
| 4.3.1 常用阈值分割方法 | 第33-35页 |
| 4.3.2 基于连通区域和种子填充算法的改进的迭代分割方法 | 第35-36页 |
| 4.4 掩膜 | 第36-37页 |
| 4.5 纹理特征提取 | 第37-45页 |
| 4.5.1 灰度共生矩阵 | 第37-39页 |
| 4.5.2 灰度梯度共生矩阵 | 第39-43页 |
| 4.5.3 改进的局部二值模式 | 第43-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 粒子群优化BP模型 | 第46-53页 |
| 5.1 初始化BP神经网络 | 第46-47页 |
| 5.2 粒子群优化BP网络 | 第47-50页 |
| 5.2.1 粒子群优化算法 | 第47-48页 |
| 5.2.2 网络建立 | 第48-50页 |
| 5.3 网络模型预测与评价 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 第六章 即食海参新鲜度无损检测软件系统设计与开发 | 第53-61页 |
| 6.1 系统软件的结构和功能 | 第53-54页 |
| 6.2 图像增强 | 第54-55页 |
| 6.3 图像分割 | 第55-56页 |
| 6.4 纹理特征提取 | 第56-58页 |
| 6.5 网络模型 | 第58-60页 |
| 6.6 本章小结 | 第60-61页 |
| 第七章 结论与展望 | 第61-63页 |
| 7.1 结论 | 第61页 |
| 7.2 展望 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67页 |