| 致谢 | 第4-7页 |
| 摘要 | 第7-8页 |
| 1 文献综述 | 第8-11页 |
| 1.1 国内研究现状 | 第8-9页 |
| 1.2 国外研究现状 | 第9-11页 |
| 2 引言 | 第11-14页 |
| 2.1 研究目的与意义 | 第11页 |
| 2.2 研究内容与技术路线 | 第11-13页 |
| 2.3 论文组织结构 | 第13-14页 |
| 3 小麦籽粒图像采集与特征提取 | 第14-30页 |
| 3.1 图像采集 | 第14-15页 |
| 3.2 图像预处理 | 第15-19页 |
| 3.2.1 图像灰度化 | 第15-16页 |
| 3.2.2 图像增强 | 第16-18页 |
| 3.2.3 图像去噪 | 第18-19页 |
| 3.3 图像分割 | 第19-21页 |
| 3.3.1 图像二值化 | 第19页 |
| 3.3.2 阈值分割方法 | 第19-20页 |
| 3.3.3 最大类间方差法 | 第20-21页 |
| 3.4 形态学处理 | 第21-22页 |
| 3.5 小麦的特征提取 | 第22-27页 |
| 3.5.1 形状特征提取 | 第23-25页 |
| 3.5.2 颜色特征的提取 | 第25-27页 |
| 3.6 BP神经网络 | 第27-30页 |
| 3.6.1 BP神经网络原理 | 第27页 |
| 3.6.2 构建BP神经网络 | 第27-28页 |
| 3.6.3 构建小麦籽粒识别网络 | 第28-30页 |
| 4 小麦籽粒分类结果与分析 | 第30-34页 |
| 4.1 仅用颜色特征作为网络输入的分类结果 | 第30-31页 |
| 4.2 仅用形状特征作为网络输入的分类结果 | 第31-32页 |
| 4.3 颜色特征和形状特征相结合作为网络输入的分类结果 | 第32-34页 |
| 5 结论与展望 | 第34-35页 |
| 参考文献 | 第35-39页 |
| ABSTRACT | 第39页 |