储粮害虫图像识别中的特征抽取研究
| 第一章 绪论 | 第1-14页 |
| 1．1 储粮害虫检测的意义 | 第10-11页 |
| 1．2 国内外储粮害虫检测现状 | 第11-13页 |
| 1．3 本文主要研究内容 | 第13-14页 |
| 第二章 检测系统软硬件设计 | 第14-20页 |
| 2．1 系统硬件设计 | 第14-17页 |
| 2．2 系统软件设计 | 第17-19页 |
| 2．3 本章小结 | 第19-20页 |
| 第三章 粮虫图像处理和分析 | 第20-28页 |
| 3．1 图像增强 | 第20-23页 |
| 3．1．1 形态学图像平滑 | 第20-22页 |
| 3．1．2 自适应图像增强 | 第22-23页 |
| 3．2 图像分割 | 第23-27页 |
| 3．2．1 直方图高斯阈值法分割 | 第23-24页 |
| 3．2．2 相对熵阈值法图像分割 | 第24-27页 |
| 3．2．3 多种分割方法比较分析 | 第27页 |
| 3．3 本章小结 | 第27-28页 |
| 第四章 特征形成 | 第28-39页 |
| 4．1 形态学特征描述 | 第28-32页 |
| 4．2 纹理特征描述 | 第32-36页 |
| 4．2．1 基于图像直方图的纹理特征 | 第32-34页 |
| 4．2．2 基于游程长度的纹理特征 | 第34-35页 |
| 4．2．3 基于共生矩阵的纹理特征 | 第35-36页 |
| 4．3 数据归一化处理 | 第36-38页 |
| 4．4 本章小结 | 第38-39页 |
| 第五章 特征选择 | 第39-51页 |
| 5．1 特征选择综述 | 第39-40页 |
| 5．2 基于类内类间距离的可分性判据 | 第40页 |
| 5．3 模拟退火算法 | 第40-44页 |
| 5．3．1 算法的提出 | 第40-42页 |
| 5．3．2 实现步骤 | 第42-43页 |
| 5．3．3 算法实现分析 | 第43-44页 |
| 5．3．4 算法实现 | 第44页 |
| 5．4 遗传算法 | 第44-49页 |
| 5．4．1 算法的提出 | 第44-45页 |
| 5．4．2 实现步骤 | 第45-46页 |
| 5．4．3 遗传算法实现分析 | 第46-48页 |
| 5．4．4 算法实现 | 第48-49页 |
| 5．5 两种方法分析比较 | 第49-50页 |
| 5．6 本章小结 | 第50-51页 |
| 第六章 特征压缩 | 第51-58页 |
| 6．1 特征压缩综述 | 第51-52页 |
| 6．2 对总体类内离散度矩阵K-L变换的特征压缩 | 第52-54页 |
| 6．3 包含在类平均向量中判别信息的最优特征压缩 | 第54-56页 |
| 6．4 基于距离可分性准则的特征压缩 | 第56页 |
| 6．5 三种压缩方法的分析评价 | 第56-57页 |
| 6．6 本章小结 | 第57-58页 |
| 第七章 识别分类 | 第58-64页 |
| 7．1 模式识别分类综述 | 第58-59页 |
| 7．2 模糊分类器 | 第59-63页 |
| 7．2．1 粮虫模型库的建立 | 第59-62页 |
| 7．2．2 九类粮虫识别的模糊决策 | 第62-63页 |
| 7．3 本章小结 | 第63-64页 |
| 第八章 结论与展望 | 第64-66页 |
| 8．1 本文工作总结 | 第64-65页 |
| 8．2 有待进一步研究的问题 | 第65-66页 |
| 主要参考文献 | 第66-70页 |
| 作者在研期间录用的论文、获得的荣誉 | 第70-71页 |
| 致谢 | 第71-72页 |
| 附录 | 第72-77页 |
