| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外相关技术研究现状 | 第13-17页 |
| 1.2.1 图像分割算法的研究现状 | 第13-16页 |
| 1.2.2 果实识别的研究现状 | 第16-17页 |
| 1.2.3 存在的问题 | 第17页 |
| 1.3 章节安排 | 第17-18页 |
| 第2章 基于梯度与色差融合方法提取柑橘区域 | 第18-30页 |
| 2.1 计算机视觉颜色模型 | 第18-20页 |
| 2.1.1 RGB颜色模型 | 第18-19页 |
| 2.1.2 HSV颜色表示模型 | 第19-20页 |
| 2.2 柑橘果实颜色空间选择 | 第20-25页 |
| 2.2.1 柑橘果实图像颜色分析与色差选择 | 第21-23页 |
| 2.2.2 柑橘果实区域梯度混合色差融合结果对比分析 | 第23-25页 |
| 2.3 二值化分割 | 第25-28页 |
| 2.3.1 基于Otsu法图像分割 | 第25-27页 |
| 2.3.2 柑橘图像Otsu法分割结果分析 | 第27-28页 |
| 2.4 本章小结 | 第28-30页 |
| 第3章 基于边缘提取与改进的分水岭融合分割算法 | 第30-54页 |
| 3.1 图像滤波和图像增强 | 第30-37页 |
| 3.1.1 图像滤波实验结果比较及分析 | 第31-32页 |
| 3.1.2 图像增强实验结果比较及分析 | 第32-35页 |
| 3.1.3 加权图像滤波增强算法 | 第35-37页 |
| 3.2 边缘检测 | 第37-40页 |
| 3.2.1 几种边缘检测方法 | 第37-39页 |
| 3.2.2 几种融合边缘检测方法结果比较及分析 | 第39-40页 |
| 3.3 分水岭分割 | 第40-46页 |
| 3.3.1 基于距离的分水岭分割 | 第41-42页 |
| 3.3.2 基于梯度标记的分水岭分割 | 第42-43页 |
| 3.3.3 改进的分水岭分割方法 | 第43-44页 |
| 3.3.4 实验过程及结果分析 | 第44-46页 |
| 3.4 基于边缘提取与改进的分水岭分割融合算法 | 第46-52页 |
| 3.4.1 算法的原理 | 第46-47页 |
| 3.4.2 算法的实现过程 | 第47-51页 |
| 3.4.3 边缘提取与分水岭分割融合分离果实区域 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 基于HOG特征提取与SVM分类的柑橘识别 | 第54-64页 |
| 4.1 基于HOG特征与SVM分类 | 第54-58页 |
| 4.1.1 HOG特征的原理 | 第54-55页 |
| 4.1.2 基于HOG特征提取算法的流程 | 第55-56页 |
| 4.1.3 SVM的原理 | 第56-57页 |
| 4.1.4 基于SVM算法的流程 | 第57-58页 |
| 4.2 基于HOG特征与SVM分类的柑橘识别 | 第58-63页 |
| 4.2.1 目标识别的流程 | 第58页 |
| 4.2.2 正负训练样本的制作 | 第58-59页 |
| 4.2.3 交叉验证 | 第59-60页 |
| 4.2.4 SVM核函数 | 第60页 |
| 4.2.5 识别结果统计及分析 | 第60-63页 |
| 4.3 本章小结 | 第63-64页 |
| 第5章 总结和展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-72页 |
| 发表论文及参与科研情况 | 第72-74页 |
| 致谢 | 第74页 |