镰刀菌显微图像特征提取与识别研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 引言 | 第9-13页 |
| ·研究意义和现状 | 第9-11页 |
| ·研究意义 | 第9-10页 |
| ·研究现状 | 第10-11页 |
| ·研究内容和组织结构 | 第11-13页 |
| ·研究内容 | 第11页 |
| ·组织结构 | 第11-13页 |
| 第二章 数字图像预处理 | 第13-24页 |
| ·图像增强 | 第13-16页 |
| ·直方图均衡化 | 第13-15页 |
| ·中值滤波 | 第15-16页 |
| ·图像分割 | 第16-18页 |
| ·图像分割定义 | 第16-17页 |
| ·模板向量图像分割方法 | 第17-18页 |
| ·数学形态学处理 | 第18-24页 |
| ·基本概念 | 第19-20页 |
| ·逻辑运算 | 第20页 |
| ·二值形态学 | 第20-23页 |
| ·灰度形态学 | 第23-24页 |
| 第三章 数字图像特征描述 | 第24-33页 |
| ·几何特征 | 第24-28页 |
| ·面积 | 第24-25页 |
| ·周长 | 第25-26页 |
| ·方向 | 第26-27页 |
| ·密集度和形态比 | 第27-28页 |
| ·欧拉数 | 第28页 |
| ·形态特征 | 第28-31页 |
| ·中轴 | 第28-29页 |
| ·不变矩 | 第29-31页 |
| ·镰刀菌生物特征 | 第31-33页 |
| 第四章 神经网络图像识别技术 | 第33-41页 |
| ·神经网络概述 | 第33-35页 |
| ·神经网络分类 | 第33-35页 |
| ·神经网络工具箱 | 第35页 |
| ·神经网络的选择 | 第35-36页 |
| ·BP 神经网络结构 | 第36-37页 |
| ·人工神经元模型 | 第36页 |
| ·BP 神经网络结构 | 第36-37页 |
| ·BP 神经网络算法描述 | 第37-39页 |
| ·BP 神经网络设计的一般原则 | 第39-41页 |
| 第五章 镰刀菌图像预处理与识别系统设计 | 第41-51页 |
| ·基于模板向量的形态学边缘检测 | 第41-44页 |
| ·预处理界面设计 | 第41-42页 |
| ·模板向量实验分析 | 第42-43页 |
| ·形态学边缘检测实验分析 | 第43-44页 |
| ·基于几何与形态特征的镰刀菌特征提取 | 第44-46页 |
| ·几何特征的提取 | 第45页 |
| ·形态特征的提取 | 第45-46页 |
| ·特征归一化处理 | 第46页 |
| ·基于MATLAB 的BP 神经网络分类器设计 | 第46-51页 |
| ·确定参数 | 第46-47页 |
| ·创建网络 | 第47-48页 |
| ·训练网络 | 第48-49页 |
| ·试验结果及分析 | 第49-51页 |
| 第六章 总结与展望 | 第51-53页 |
| ·工作总结 | 第51页 |
| ·研究展望 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| 作者简介 | 第57-58页 |
| 致谢 | 第58页 |
