| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 生物组织光学国内外研究现状 | 第9-12页 |
| 1.2.1 生物组织中光传输理论研究 | 第9-10页 |
| 1.2.2 生物组织中光传输实验研究 | 第10-12页 |
| 1.3 本文研究内容 | 第12-14页 |
| 第二章 光在水果组织中传输的基本原理和技术 | 第14-22页 |
| 2.1 水果组织基本光学特性参数 | 第14-17页 |
| 2.1.1 折射率 | 第14页 |
| 2.1.2 吸收系数 | 第14-15页 |
| 2.1.3 散射系数 | 第15页 |
| 2.1.4 各向异性因子 | 第15-16页 |
| 2.1.5 有效散射系数 | 第16-17页 |
| 2.2 高光谱散射成像技术及系统介绍 | 第17-19页 |
| 2.2.1 高光谱散射成像技术 | 第17-18页 |
| 2.2.2 离线高光谱散射成像系统 | 第18-19页 |
| 2.2.3 在线高光谱散射成像系统 | 第19页 |
| 2.3 光在水果组织中的传输模型 | 第19-21页 |
| 2.3.1 Farrell模型 | 第20页 |
| 2.3.2 Kienle模型 | 第20-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第三章 基于漫射模型的水果组织光学特性迭代反演 | 第22-32页 |
| 3.1 蒙特卡洛仿真 | 第22-25页 |
| 3.1.1 光在组织中的蒙特卡洛模拟 | 第22-24页 |
| 3.1.2 蒙特卡洛仿真数据 | 第24-25页 |
| 3.2 光学特性参数反演算法及性能评价 | 第25-27页 |
| 3.2.1 非线性最小二乘 | 第25页 |
| 3.2.2 迭代反演算法 | 第25-26页 |
| 3.2.3 迭代反演初始值设置 | 第26-27页 |
| 3.2.4 算法性能评价 | 第27页 |
| 3.3 结果与讨论 | 第27-31页 |
| 3.3.1 光学特性参数的反演误差 | 第27-30页 |
| 3.3.2 不同信噪比噪声的传统经验估计和迭代反演 | 第30-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 基于FD-LSSVM的水果组织光学特性反演 | 第32-45页 |
| 4.1 实验样本数据采集和处理 | 第32-34页 |
| 4.1.1 MC样本数据采集 | 第32-33页 |
| 4.1.2 组织模拟液样本数据采集和处理 | 第33-34页 |
| 4.2 特征提取和建模方法 | 第34-38页 |
| 4.2.1 主成分分析方法 | 第34-35页 |
| 4.2.2 傅里叶分解方法 | 第35页 |
| 4.2.3 BP神经网络 | 第35-36页 |
| 4.2.4 最小二乘支持向量机 | 第36-38页 |
| 4.3 光学特性参数反演 | 第38-44页 |
| 4.3.1 MC样本光学特性参数反演 | 第38-40页 |
| 4.3.2 组织模拟液样本光学特性参数反演 | 第40-44页 |
| 4.4 本章小结 | 第44-45页 |
| 第五章 基于高光谱散射图像的苹果内部品质评价方法研究 | 第45-58页 |
| 5.1 苹果样本的实验数据采集和处理 | 第45-47页 |
| 5.1.1 样本的采集 | 第45页 |
| 5.1.2 高光谱散射图像的采集和处理 | 第45-46页 |
| 5.1.3 样本品质指标真实值的测量 | 第46-47页 |
| 5.2 高光谱散射图像特征提取方法 | 第47-50页 |
| 5.2.1 平均反射法 | 第47-48页 |
| 5.2.2 光学特性参数方法 | 第48页 |
| 5.2.3 矩方法 | 第48-49页 |
| 5.2.4 傅里叶分解方法 | 第49-50页 |
| 5.3 预测模型构建和评价 | 第50-52页 |
| 5.3.1 偏最小二乘建模 | 第50-51页 |
| 5.3.2 最小二乘支持向量机建模 | 第51页 |
| 5.3.3 模型评价 | 第51-52页 |
| 5.4 结果比较 | 第52-57页 |
| 5.4.1 硬度预测结果 | 第52-55页 |
| 5.4.2 SSC预测结果 | 第55-57页 |
| 5.5 本章小结 | 第57-58页 |
| 主要结论与展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第65页 |
