| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景 | 第7-8页 |
| ·高光谱图像技术及苹果粉质化的研究现状 | 第8-10页 |
| ·高光谱图像特征提取和分类 | 第10-11页 |
| ·提取特征的必要性 | 第10页 |
| ·高光谱图像特征提取和分类的研究现状 | 第10-11页 |
| ·本文主要研究的工作 | 第11-13页 |
| 第二章 基于高光谱散射图像技术的苹果粉质化数据采集 | 第13-23页 |
| ·引言 | 第13页 |
| ·高光谱散射图像采集系统和苹果样本的高光谱散射图像 | 第13-17页 |
| ·高光谱散射图像采集系统 | 第13-14页 |
| ·苹果样本及其高光谱散射图像数据采集 | 第14-17页 |
| ·仪器校正和果形校正 | 第17-20页 |
| ·特征提取方法的介绍 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于高光谱散射图像的局部线性嵌入苹果粉质化分类 | 第23-33页 |
| ·引言 | 第23页 |
| ·LLE 算法 | 第23-24页 |
| ·PLSDA | 第24-26页 |
| ·结果和讨论 | 第26-32页 |
| ·全体样本建模 | 第26-29页 |
| ·子集建模 | 第29-31页 |
| ·讨论 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第四章 基于高光谱散射图像技术的UVE-LLE 的苹果粉质化分类 | 第33-39页 |
| ·引言 | 第33页 |
| ·算法的基本原理和介绍 | 第33-36页 |
| ·无信息变量消除法的原理 | 第33-34页 |
| ·泛化的局部线性嵌入算法的基本原理和实现 | 第34页 |
| ·Kennard-Stone 算法的原理 | 第34-35页 |
| ·UVE-LLE 算法的计算流程 | 第35-36页 |
| ·结果与讨论 | 第36-38页 |
| ·UVE 算法选取最优波段 | 第36-37页 |
| ·各种算法的分类结果的比较 | 第37-38页 |
| ·UVE 中随机噪声矩阵和LLE 中两个参数对分类精度的影响 | 第38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于稀疏表示苹果粉质化分类 | 第39-47页 |
| ·引言 | 第39页 |
| ·非均衡情况下的稀疏表示分类算法 | 第39-43页 |
| ·稀疏表示分类算法的原理 | 第39-41页 |
| ·遗传算法的原理 | 第41-42页 |
| ·利用遗传算法实现非均衡样本的均衡化 | 第42-43页 |
| ·基于遗传算法和稀疏表示分类算法的粉质化分类流程 | 第43页 |
| ·结果与讨论 | 第43-45页 |
| ·分类结果比较 | 第43-44页 |
| ·样本均衡性对每个类别精度的影响 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 第六章 工作总结与展望 | 第47-49页 |
| ·工作总结 | 第47-48页 |
| ·工作展望 | 第48-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-55页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第55页 |
