基于图像纹理分析技术的植物油掺假检测研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 1 绪论 | 第11-19页 |
| 1.1 课题的背景及意义 | 第11-12页 |
| 1.2 课题研究现状 | 第12-17页 |
| 1.2.1 国内研究现状及分析 | 第12-13页 |
| 1.2.2 国外研究现状及分析 | 第13-15页 |
| 1.2.3 纹理分析方法研究现状 | 第15-17页 |
| 1.3 论文创新点 | 第17页 |
| 1.4 论文主要内容安排 | 第17-19页 |
| 2 相关技术探讨 | 第19-31页 |
| 2.1 纹理的概述 | 第19页 |
| 2.2 纹理分析方法 | 第19-27页 |
| 2.2.1 结构分析方法 | 第19-20页 |
| 2.2.2 统计分析方法 | 第20-23页 |
| 2.2.3 基于纹理模型分析方法 | 第23-25页 |
| 2.2.4 频谱分析法 | 第25-27页 |
| 2.3 纹理分析技术应用领域与前景展望 | 第27-29页 |
| 2.4 纹理分析方法比较 | 第29-30页 |
| 2.5 本章小结 | 第30-31页 |
| 3 图像纹理特征提取 | 第31-40页 |
| 3.1 系统装置 | 第31-32页 |
| 3.2 实验设计 | 第32-34页 |
| 3.2.1 实验架构 | 第32页 |
| 3.2.2 实验样本的获取 | 第32-33页 |
| 3.2.3 胆固醇含量的测定 | 第33-34页 |
| 3.3 图像预处理 | 第34-39页 |
| 3.3.1 图像模型转换 | 第34-36页 |
| 3.3.2 图像去噪 | 第36-37页 |
| 3.3.3 图像锐化 | 第37-39页 |
| 3.4 本章小结 | 第39-40页 |
| 4 纹理分析技术的运用 | 第40-47页 |
| 4.1 纹理的频谱度量 | 第40-41页 |
| 4.2 图像的分形维数 | 第41-42页 |
| 4.3 图像的小波共生矩阵 | 第42-44页 |
| 4.4 改进的 Hu 不变矩(改进矩) | 第44-46页 |
| 4.5 本章小结 | 第46-47页 |
| 5 图像分类与识别 | 第47-57页 |
| 5.1 图像识别技术 | 第47-51页 |
| 5.1.1 人工神经网络分类方法 | 第47-48页 |
| 5.1.2 改进的最近邻域分类器 | 第48-49页 |
| 5.1.3 贝叶斯分类器 | 第49-51页 |
| 5.1.4 不同分类技术比较 | 第51页 |
| 5.2 结果分析与方法验证 | 第51-54页 |
| 5.2.1 模型的建立 | 第51-52页 |
| 5.2.2 不同影响因子的比较 | 第52页 |
| 5.2.3 图像的分类与识别 | 第52-54页 |
| 5.3 方法验证 | 第54-55页 |
| 5.4 本章小结 | 第55-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 附录 部分MATLAB 程序 | 第61-67页 |
| 攻读硕士学位期间发表学术论文情况 | 第67-68页 |
| 致谢 | 第68-69页 |
