棉花图像分割和成熟度判别算法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究目标及意义 | 第7页 |
| ·国内外研究现状及发展动态分析 | 第7-9页 |
| ·国外研究现状 | 第8页 |
| ·国内研究现状 | 第8-9页 |
| ·研究的主要内容 | 第9-11页 |
| 第二章 彩色图像分割 | 第11-19页 |
| ·图像分割 | 第11-12页 |
| ·彩色图像分割方法简述 | 第12-13页 |
| ·常用的颜色空间 | 第13-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 支持向量机原理及其在图像分割中的应用 | 第19-26页 |
| ·支持向量机的基本思想 | 第19-23页 |
| ·最优超平面 | 第19-21页 |
| ·构造线性可分的最优超平面 | 第21-22页 |
| ·构建非线性可分最优超平面 | 第22-23页 |
| ·非线性支持向量机 | 第23-24页 |
| ·基于内积核的最优超平面 | 第23-24页 |
| ·非线性支持向量机神经网络 | 第24页 |
| ·支持向量机分类的特点 | 第24-25页 |
| ·基于支持向量机的图像分割方法 | 第25页 |
| ·本章总结 | 第25-26页 |
| 第四章 棉花图像分割算法研究 | 第26-35页 |
| ·图像的获取 | 第26-27页 |
| ·图像采集设备 | 第26-27页 |
| ·图像获取 | 第27页 |
| ·颜色空间的选择 | 第27页 |
| ·棉花图像分割方法 | 第27-31页 |
| ·图像预处理 | 第28-29页 |
| ·基于 SVM 的棉花图像分割 | 第29-30页 |
| ·去除噪声 | 第30-31页 |
| ·棉花图像分割算法流程 | 第31页 |
| ·实验结果讨论 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第五章 基于形状特征的棉花成熟度判别算法研究 | 第35-45页 |
| ·特征提取 | 第35-40页 |
| ·颜色特征提取 | 第35-36页 |
| ·形状特征提取 | 第36-40页 |
| ·成熟度判别模型 | 第40-42页 |
| ·粒子群算法原理 | 第40页 |
| ·基于 PSO 算法的 SVM 参数寻优 | 第40-41页 |
| ·棉花成熟度判别算法 | 第41-42页 |
| ·实验结果与讨论 | 第42-44页 |
| ·特征提取 | 第42-43页 |
| ·成熟度判别结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 工作总结和展望 | 第45-47页 |
| ·主要的研究工作 | 第45-46页 |
| ·进一步的工作展望 | 第46-47页 |
| 参考文献 | 第47-49页 |
| 在读学位期间发表的论文 | 第49-50页 |
| 致谢 | 第50页 |
