| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-14页 |
| ·课题研究的目的、意义 | 第11页 |
| ·目前研究现状及存在的问题 | 第11-12页 |
| ·基于GA和SVM的羽绒种类自动检测新方法 | 第12-13页 |
| ·本文的主要内容 | 第13-14页 |
| 第二章 羽绒种类自动检测系统概述 | 第14-20页 |
| ·羽绒种类自动检测的基本原理 | 第14-15页 |
| ·鹅、鸭等毛绒的结构特征分析 | 第15-17页 |
| ·系统的硬件构成 | 第17页 |
| ·羽绒种类自动检测系统的工作流程 | 第17页 |
| ·关于羽绒种类自动检测系统的几点说明 | 第17-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 技术背景 | 第20-29页 |
| ·遗传算法 | 第20-21页 |
| ·遗传算法概述 | 第20页 |
| ·遗传算法的一般流程 | 第20-21页 |
| ·统计学习理论 | 第21-23页 |
| ·SVM基本原理 | 第23-27页 |
| ·线性SVM(线性可分情况) | 第23-25页 |
| ·非线性SVM | 第25-27页 |
| ·核函数 | 第27页 |
| ·本章小结 | 第27-29页 |
| 第四章 羽绒图像的图像处理方法研究 | 第29-41页 |
| ·羽绒图像的采集 | 第29-32页 |
| ·图像采集所需的设备及其连接 | 第29页 |
| ·图像采集设备的参数调整 | 第29-31页 |
| ·图像采集 | 第31-32页 |
| ·图像预处理 | 第32-35页 |
| ·概述 | 第32-33页 |
| ·图像平滑 | 第33-34页 |
| ·增强对比度 | 第34-35页 |
| ·图像分割 | 第35-38页 |
| ·最大熵法 | 第36页 |
| ·迭代法 | 第36页 |
| ·最大类间方差(OTSU)法 | 第36-38页 |
| ·基于遗传算法的阈值分割算法 | 第38-40页 |
| ·基于遗传算法的羽绒图像分割算法 | 第38页 |
| ·遗传算法中最常用的算子 | 第38-39页 |
| ·基于遗传算法的羽绒图像分割算法流程 | 第39页 |
| ·实验分析 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第五章 运用SVM进行羽绒种类检测 | 第41-52页 |
| ·SVM模型的训练 | 第41页 |
| ·用SVM进行菱节的识别 | 第41-42页 |
| ·菱节的配对 | 第42-45页 |
| ·细化理论概述 | 第42-43页 |
| ·数学形态学基本理论 | 第43-44页 |
| ·基于数学形态学的细化算法 | 第44页 |
| ·菱节的配对算法 | 第44-45页 |
| ·试验结果对比 | 第45-51页 |
| ·使用多项式核SVM(SVMP)进行识别 | 第45-46页 |
| ·使用重复训练的多项式核SVM(RESVM)进行识别 | 第46-49页 |
| ·基于重复训练的SVM | 第46-47页 |
| ·使用重复训练的多项式核SVM(RESVM)进行识别 | 第47-49页 |
| ·使用RBF核SVM(RBF—SVM)进行识别 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第六章 羽绒种类自动检测系统的软件设计 | 第52-58页 |
| ·本系统的开发平台及开发工具 | 第52页 |
| ·本系统的功能 | 第52页 |
| ·主要功能模块的实现 | 第52-53页 |
| ·图像动态采集和实时显示模块 | 第52-53页 |
| ·算法程序模块 | 第53页 |
| ·羽绒识别模块 | 第53页 |
| ·数据库管理模块 | 第53页 |
| ·系统操作说明 | 第53-57页 |
| ·本章小结 | 第57-58页 |
| 第七章 结论与展望 | 第58-60页 |
| ·结论 | 第58页 |
| ·展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 附录 | 第63-64页 |
| 致谢 | 第64页 |