基于最优特征子集的葡萄品种识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·葡萄品种分类研究的背景与意义 | 第10页 |
| ·计算机辅助葡萄品种分类的必要性 | 第10-11页 |
| ·国内外研究概况 | 第11-14页 |
| ·国外研究概况 | 第11-12页 |
| ·国内研究概况 | 第12-14页 |
| ·研究内容与研究目标 | 第14页 |
| ·技术路线 | 第14-15页 |
| ·论文组织结构 | 第15-16页 |
| 第二章 葡萄叶子图像预处理 | 第16-24页 |
| ·图像的前期几何变换 | 第16-17页 |
| ·灰度图像的质量改善 | 第17-21页 |
| ·图像灰度化 | 第17-18页 |
| ·平滑滤波 | 第18-20页 |
| ·图像锐化 | 第20-21页 |
| ·二值图像孔洞与毛刺处理 | 第21-23页 |
| ·图像二值化 | 第21-22页 |
| ·二值图像形态学处理 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 最优特征子集生成 | 第24-40页 |
| ·葡萄叶子形状特征模型 | 第24-29页 |
| ·相对几何特征 | 第24-28页 |
| ·轮廓傅立叶描述子 | 第28-29页 |
| ·葡萄叶子纹理特征模型 | 第29-37页 |
| ·Hu 不变矩特征 | 第29-30页 |
| ·Gabor 小波特征 | 第30-31页 |
| ·局部二值模式特征 | 第31-33页 |
| ·小波灰度共生矩阵特征 | 第33-37页 |
| ·最优特征子集生成 | 第37-39页 |
| ·特征参数标量分析方案 | 第37-38页 |
| ·多类 LDA 特征子集生成方案 | 第38页 |
| ·其他特征子集生成方案 | 第38-39页 |
| ·本章小结 | 第39-40页 |
| 第四章 分类算法与实验 | 第40-53页 |
| ·支持向量机分类器 | 第40-43页 |
| ·算法思想 | 第40-42页 |
| ·核函数选择 | 第42页 |
| ·分类器参数寻优 | 第42-43页 |
| ·多类别分类问题 | 第43页 |
| ·概率神经网络分类器 | 第43-45页 |
| ·K-最近邻分类器 | 第45页 |
| ·实验与分析 | 第45-52页 |
| ·实验环境 | 第46页 |
| ·葡萄叶子样本的获取与组织 | 第46页 |
| ·形状特征分析 | 第46-47页 |
| ·纹理特征分析 | 第47-48页 |
| ·小波函数选取分析 | 第48页 |
| ·特征子集生成方案对比分析 | 第48-50页 |
| ·分类器对比分析 | 第50页 |
| ·样本分析 | 第50-52页 |
| ·分析与评价 | 第52页 |
| ·本章小结 | 第52-53页 |
| 第五章 结论与展望 | 第53-54页 |
| ·结论 | 第53页 |
| ·展望 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 致谢 | 第57-58页 |
| 作者简介 | 第58页 |
