蔬菜识别算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-21页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外研究的现状 | 第10-13页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-13页 |
| 1.3 研究内容和目标 | 第13-16页 |
| 1.4 蔬菜库构建 | 第16-18页 |
| 1.5 论文组织结构及章节安排 | 第18-19页 |
| 1.6 小结 | 第19-21页 |
| 第二章 图像预处理 | 第21-33页 |
| 2.1 颜色空间 | 第21-24页 |
| 2.1.1 RGB颜色空间 | 第21页 |
| 2.1.2 HIS颜色空间 | 第21-22页 |
| 2.1.3 HSV颜色空间 | 第22页 |
| 2.1.4 Lab颜色空间 | 第22-23页 |
| 2.1.5 图像空间转换 | 第23页 |
| 2.1.6 图像滤波 | 第23-24页 |
| 2.2 阈值分割算法 | 第24-25页 |
| 2.3 基于边缘检测的分割算法 | 第25页 |
| 2.4 K均值聚类分割算法 | 第25-31页 |
| 2.4.1 K均值算法原理 | 第25-26页 |
| 2.4.2 K均值聚类算法的算法流程 | 第26-27页 |
| 2.4.3 算法实现 | 第27页 |
| 2.4.4 结果与讨论 | 第27-31页 |
| 2.5 小结 | 第31-33页 |
| 第三章 特征提取 | 第33-53页 |
| 3.1 特征的分类 | 第33页 |
| 3.2 颜色特征 | 第33-38页 |
| 3.2.1 颜色特征定义 | 第33页 |
| 3.2.2 颜色特征描述方法 | 第33-34页 |
| 3.2.3 颜色特征值提取 | 第34-36页 |
| 3.2.4 颜色特征分析 | 第36-38页 |
| 3.3 形状特征 | 第38-41页 |
| 3.3.1 形状特征描述方法 | 第39页 |
| 3.3.2 形状特征提取 | 第39-41页 |
| 3.4 纹理特征 | 第41-51页 |
| 3.4.1 纹理特征定义 | 第41-42页 |
| 3.4.2 纹理特征描述方法 | 第42-43页 |
| 3.4.3 纹理特征提取 | 第43-47页 |
| 3.4.4 纹理特征分析 | 第47-51页 |
| 3.5 小结 | 第51-53页 |
| 第四章 分类器设计 | 第53-71页 |
| 4.1 分类学习算法 | 第53-62页 |
| 4.1.1 KNN最小近邻 | 第53-54页 |
| 4.1.2 决策树 | 第54-56页 |
| 4.1.3 线性判断分析 | 第56-57页 |
| 4.1.4 支持向量机 | 第57-59页 |
| 4.1.5 本研究采用的算法 | 第59-62页 |
| 4.2 两级分类设计 | 第62-69页 |
| 4.2.1 第一级分类设计 | 第62-68页 |
| 4.2.2 第二级分类设计 | 第68-69页 |
| 4.3 结果讨论与结论 | 第69-70页 |
| 4.4 小结 | 第70-71页 |
| 第五章 总结与展望 | 第71-73页 |
| 5.1 总结 | 第71页 |
| 5.2 展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 作者简介 | 第77-79页 |
| 致谢 | 第79页 |
