| 摘要 | 第11-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第16-32页 |
| 1.1 研究背景 | 第16-17页 |
| 1.1.1 我国玉米种子市场管理现状 | 第16页 |
| 1.1.2 我国玉米种子品种检测标准及法律法规 | 第16-17页 |
| 1.2 研究现状 | 第17-28页 |
| 1.2.1 常规玉米种子品种检测技术研究现状 | 第17-20页 |
| 1.2.2 现代基于图像和近红外光谱的玉米种子品种检测研究现状 | 第20-28页 |
| 1.3 研究目的、内容和技术路线 | 第28-31页 |
| 1.3.1 研究目的 | 第28页 |
| 1.3.2 研究内容 | 第28-30页 |
| 1.3.3 技术路线 | 第30-31页 |
| 1.4 本章小结 | 第31-32页 |
| 第二章 实验样品、设备与数据采集 | 第32-42页 |
| 2.1 玉米种子实验样品 | 第32-33页 |
| 2.2 高光谱图像采集设备 | 第33-37页 |
| 2.2.1 高光谱成像原理简介 | 第33-34页 |
| 2.2.2 高光谱图像采集设备的组成 | 第34-36页 |
| 2.2.3 高光谱成像设备调试及参数设置 | 第36-37页 |
| 2.3 样品高光谱图像数据采集 | 第37-39页 |
| 2.3.1 高光谱图像采集方案设计 | 第37页 |
| 2.3.2 高光谱图像采集的步骤 | 第37-39页 |
| 2.4 样品高光谱图像数据的校正处理 | 第39-40页 |
| 2.5 高光谱图像处理处理软件 | 第40-41页 |
| 2.6 本章小结 | 第41-42页 |
| 第三章 玉米种子高光谱图像预处理 | 第42-73页 |
| 3.1 概述 | 第42页 |
| 3.2 高光谱图像质量评价指标 | 第42-43页 |
| 3.3 基于CONTOURLET变换和函数阈值的去噪方法研究 | 第43-53页 |
| 3.3.1 噪声的来源及假设模型 | 第43-44页 |
| 3.3.2 常用高光谱图像去噪方法 | 第44-47页 |
| 3.3.3 Contourlet变换及函数阈值去噪模型设计 | 第47-52页 |
| 3.3.4 实验及结果分析 | 第52-53页 |
| 3.4 基于直方图斜率差的自适应阈值图像分割方法研究 | 第53-71页 |
| 3.4.1 图像分割原理及其意义 | 第53-54页 |
| 3.4.2 常规图像和高光谱图像的分割方法 | 第54-57页 |
| 3.4.3 玉米种子高光谱分割的难点及其属性分析 | 第57-60页 |
| 3.4.4 基于直方图斜率差的分割算法原理 | 第60-64页 |
| 3.4.5 实验及结果分析 | 第64-71页 |
| 3.5 本章小结 | 第71-73页 |
| 第四章 玉米种子高光谱图像特征选择与提取 | 第73-105页 |
| 4.1 概述 | 第73页 |
| 4.2 高光谱图像降维及常用方法 | 第73-79页 |
| 4.2.1 高光谱图像降维目的及意义 | 第73-75页 |
| 4.2.2 高光谱图像特征提取及方法 | 第75-76页 |
| 4.2.3 高光谱图像特征选择及方法 | 第76-78页 |
| 4.2.4 玉米种子高光谱图像降维及特征选择设计 | 第78-79页 |
| 4.3 基于载荷系数的特征波段选择方法研究 | 第79-87页 |
| 4.3.1 PCA算法及其在高光谱图像中的应用 | 第79-81页 |
| 4.3.2 基于PCA载荷系数的特征波段选择方法设计 | 第81-87页 |
| 4.4 玉米籽粒图像形态特征的选择与提取研究 | 第87-96页 |
| 4.4.1 玉米种子形态特征选择 | 第88-90页 |
| 4.4.2 玉米种子形态特征提取方法 | 第90-93页 |
| 4.4.3 实验与结果分析 | 第93-96页 |
| 4.5 玉米籽粒图像纹理特征的选择与提取研究 | 第96-103页 |
| 4.5.1 纹理及纹理特征提取 | 第96-97页 |
| 4.5.2 纹理特征选择与提取方法 | 第97-100页 |
| 4.5.3 实验与结果分析 | 第100-103页 |
| 4.6 本章小结 | 第103-105页 |
| 第五章 多类特征的玉米种子高光谱图像识别检测 | 第105-121页 |
| 5.1 概述 | 第105页 |
| 5.2 基于形态特征的玉米种子高光谱图像分类识别分析 | 第105-113页 |
| 5.2.1 PLSDA模型及参数标准化 | 第106-110页 |
| 5.2.2 形态特征在单波段下基于PLSDA模型的分类识别分析 | 第110-111页 |
| 5.2.3 形态特征在多波段和全波段下基于PLSDA模型的分类识别分析 | 第111-113页 |
| 5.3 基于纹理特征的玉米种子高光谱图像分类识别分析 | 第113-117页 |
| 5.3.1 纹理特征在全波段下的特性分析 | 第113-114页 |
| 5.3.2 纹理特征在全波段下基于PLSDA模型的分类识别分析 | 第114-115页 |
| 5.3.3 不同纹理特征组合在全波段下基于PLSDA模型分类识别分析 | 第115-117页 |
| 5.4 融合多类特征的玉米种子高光谱图像分类识别分析 | 第117-119页 |
| 5.5 本章小结 | 第119-121页 |
| 第六章 玉米种子品种检测原型系统设计 | 第121-137页 |
| 6.1 概述 | 第121页 |
| 6.2 检测系统需求与总体构架设计 | 第121-124页 |
| 6.2.1 检测系统的需求分析 | 第121-123页 |
| 6.2.2 检测原型系统的总体构架设计 | 第123-124页 |
| 6.3 检测原型系统的硬件模块分析与总体设计 | 第124-128页 |
| 6.3.1 高光谱图像采集设备的选型 | 第124-126页 |
| 6.3.2 检测系统硬件集成箱体的设计 | 第126-128页 |
| 6.4 检测原型系统的软件模块分析与总体设计 | 第128-132页 |
| 6.4.1 检测系统软件的功能模块设计 | 第128-130页 |
| 6.4.2 检测系统软件的部分时序图分析 | 第130-132页 |
| 6.5 检测系统标准特征库建立的规范分析 | 第132-136页 |
| 6.5.1 标准特征库建立及其规范的意义 | 第132-133页 |
| 6.5.2 标准特征库建立的建议规范 | 第133-136页 |
| 6.6 本章小结 | 第136-137页 |
| 第七章 结论与展望 | 第137-142页 |
| 7.1 结论 | 第137-139页 |
| 7.2 创新点 | 第139-140页 |
| 7.3 展望 | 第140-142页 |
| 参考文献 | 第142-151页 |
| 致谢 | 第151-152页 |
| 攻读学位期间发表论文情况 | 第152页 |
