储粮微生物显微图像处理与识别研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-13页 |
| ·储粮微生物检测的必要性 | 第9-10页 |
| ·国内外储粮微生物检测的主要方法 | 第10页 |
| ·图像识别理论在农业方面及生物领域研究现状 | 第10-12页 |
| ·本论文的研究思路及内容 | 第12-13页 |
| 第2章 微生物图像预处理及特征提取 | 第13-26页 |
| ·图像预处理 | 第13-18页 |
| ·图像平滑 | 第13-14页 |
| ·图像分割 | 第14-18页 |
| ·微生物图像的特征提取 | 第18-23页 |
| ·几何特征和形状特征 | 第19-21页 |
| ·纹理特征 | 第21-23页 |
| ·特征数据归一化处理 | 第23页 |
| ·微生物图像特征提取试验 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 微生物图像的特征选择 | 第26-40页 |
| ·特征选择 | 第26-27页 |
| ·类别可分性依据 | 第27-28页 |
| ·遗传算法 | 第28-30页 |
| ·遗传算法基本理论 | 第28-29页 |
| ·遗传算法的特点 | 第29-30页 |
| ·模拟退火算法 | 第30-32页 |
| ·模拟退火算法基本理论 | 第30-32页 |
| ·模拟退火算法的特点 | 第32页 |
| ·基于遗传模拟退火算法的特征选择 | 第32-36页 |
| ·基于模拟退火和遗传算法的特征选择算法 | 第32-34页 |
| ·模拟遗传算法流程及实验结果 | 第34-36页 |
| ·特征压缩方法概述 | 第36-39页 |
| ·基于K-L变化的特征压缩 | 第36-37页 |
| ·基于类内离散度矩阵K-L变换的特征压缩 | 第37-39页 |
| ·K-L特征压缩结果评价 | 第39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于BP神经网络的分类器设计 | 第40-51页 |
| ·模式识别概述及分类器选取 | 第40-42页 |
| ·统计模式识别 | 第40-41页 |
| ·结构模式识别 | 第41页 |
| ·模糊识别方法 | 第41页 |
| ·智能模式识别 | 第41-42页 |
| ·分类器的选取 | 第42页 |
| ·传统BP神经网络算法分析 | 第42-44页 |
| ·BP网络结构 | 第43页 |
| ·BP网络学习规则 | 第43-44页 |
| ·改进传统BP算法的收敛速度 | 第44-46页 |
| ·改进的BP网络在微生物图像分类中的应用 | 第46-50页 |
| ·隐层数的选取 | 第46页 |
| ·隐层节点数的选择 | 第46-47页 |
| ·训练次数的确定 | 第47页 |
| ·学习误差的选择 | 第47页 |
| ·网络初始权值和希望输出的选择 | 第47-48页 |
| ·BP网络应用于微生物分类 | 第48页 |
| ·网络的创建 | 第48-49页 |
| ·网络的测试 | 第49-50页 |
| ·BP网络分类结果 | 第50页 |
| ·本章小结 | 第50-51页 |
| 第5章 基于模糊模式识别的分类器设计 | 第51-56页 |
| ·模糊模式识别 | 第51-55页 |
| ·模糊集理论 | 第51-52页 |
| ·模糊模式识别方法的建立 | 第52-53页 |
| ·基于模糊理论的分类器设计 | 第53-54页 |
| ·微生物模糊分类算法 | 第54-55页 |
| ·识别结果及其分析 | 第55页 |
| ·本章小结 | 第55-56页 |
| 第6章 微生物图像识别系统设计 | 第56-61页 |
| ·系统总体方案 | 第56页 |
| ·系统硬件设计 | 第56-59页 |
| ·系统软件设计 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 第7章 工作总结及研究展望 | 第61-63页 |
| ·工作总结 | 第61页 |
| ·研究展望 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间参加的科研项目及发表论文 | 第66-67页 |
| 致谢 | 第67-68页 |
| 附录1 | 第68-73页 |
| 附录2 | 第73-74页 |
