基于机器视觉的稻种品种识别研究
| 第一章 绪论 | 第1-16页 |
| ·研究的目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-14页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-14页 |
| ·研究任务 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 机器视觉系统及数字图像处理技术 | 第16-24页 |
| ·机器视觉系统组成 | 第16-18页 |
| ·光源 | 第16页 |
| ·CCD相机 | 第16-17页 |
| ·镜头 | 第17页 |
| ·图像采集卡 | 第17-18页 |
| ·本研究所用的机器视觉系统 | 第18-20页 |
| ·硬件部分 | 第18-19页 |
| ·软件部分 | 第19-20页 |
| ·数字图像处理技术 | 第20-22页 |
| ·图像采集和获取 | 第20-21页 |
| ·图像的增强 | 第21页 |
| ·图像的平滑 | 第21页 |
| ·边缘锐化 | 第21-22页 |
| ·图像分割 | 第22页 |
| ·图像的识别 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 稻种图像的预处理及特征提取 | 第24-36页 |
| ·试验系统的参数设置 | 第24页 |
| ·试验样品 | 第24-25页 |
| ·图像采集 | 第25-26页 |
| ·图像预处理 | 第26-33页 |
| ·颜色模型 | 第26-28页 |
| ·RGB颜色模型 | 第26-27页 |
| ·HSI颜色模型 | 第27-28页 |
| ·RGB模型与HSI模型转换 | 第28页 |
| ·图像分割 | 第28-30页 |
| ·图像灰度化 | 第30-31页 |
| ·图像二值化 | 第31-32页 |
| ·消除噪声 | 第32-33页 |
| ·特征提取 | 第33-35页 |
| ·颜色特征提取 | 第33-34页 |
| ·形状特征提取 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 品种识别 | 第36-56页 |
| ·两个品种的识别 | 第36-43页 |
| ·外形差别大的品种识别 | 第36-38页 |
| ·分类识别的对象 | 第36页 |
| ·分类特征分析 | 第36-38页 |
| ·分类识别的结果 | 第38页 |
| ·颜色特征识别外形相近品种 | 第38-41页 |
| ·分类识别的对象 | 第38-39页 |
| ·分类特征分析 | 第39-41页 |
| ·分类识别的结果 | 第41页 |
| ·形状参数识别外形相近品种 | 第41-43页 |
| ·分类识别的对象 | 第41页 |
| ·分类特征分析 | 第41-43页 |
| ·分类识别的结果 | 第43页 |
| ·多品种的分类识别 | 第43-48页 |
| ·研究对象 | 第43-44页 |
| ·分类特征分析 | 第44-46页 |
| ·品种识别的结果 | 第46-48页 |
| ·人工神经网络品种识别 | 第48-55页 |
| ·五个品种分类识别的研究对象 | 第48页 |
| ·人工神经网络的简介 | 第48-49页 |
| ·网络分类器的建立 | 第49-54页 |
| ·分类识别的结果 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 结论与展望 | 第56-58页 |
| ·总结 | 第56-57页 |
| ·主要结论 | 第56页 |
| ·主要创新点 | 第56-57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 课题研究期间发表的论文 | 第61-62页 |
| 致谢 | 第62页 |
