| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-18页 |
| ·研究背景与意义 | 第11-13页 |
| ·基于机器视觉技术的果品分级需求 | 第11-12页 |
| ·小波变换技术理论 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·农业图像去噪的研究状况 | 第13页 |
| ·农产品缺陷检测的研究发展状况 | 第13-14页 |
| ·小波分析理论的应用研究状况 | 第14-15页 |
| ·存在问题与不足 | 第15-16页 |
| ·主要研究内容及章节安排 | 第16-18页 |
| 第二章 杂交小波变换中亲本和编码算子的研究 | 第18-30页 |
| ·引言 | 第18页 |
| ·小波变换发展概况及已有方法简单回顾 | 第18-19页 |
| ·杂交小波算法模型 | 第19-20页 |
| ·父本的选择 | 第20-28页 |
| ·小波变换的进行图像去噪的原理简介 | 第20-21页 |
| ·SUREShrink 阈值估计方法 | 第21-22页 |
| ·BayesShrink 阈值估计方法 | 第22-23页 |
| ·自适应贝叶斯去噪方法 | 第23-24页 |
| ·双树复小波变换原理及其在图像去噪领域的应用 | 第24-28页 |
| ·母本的选择 | 第28-29页 |
| ·编码方式 | 第29页 |
| ·本章小结 | 第29-30页 |
| 第三章 杂交小波去噪算法在红枣图像去噪上的应用 | 第30-41页 |
| ·引言 | 第30页 |
| ·图像噪声简介 | 第30-31页 |
| ·去噪算法性能的评价标准 | 第31-32页 |
| ·图像质量评价 | 第31页 |
| ·算法性能评价 | 第31-32页 |
| ·杂交小波去噪算法的有效性验证 | 第32-36页 |
| ·杂交小波去噪算法的相关参数说明 | 第32页 |
| ·确定杂交小波去噪算法的亲本 | 第32-34页 |
| ·实验结果比较与分析 | 第34-36页 |
| ·实验结论 | 第36页 |
| ·红枣实验图像材料来源 | 第36-37页 |
| ·红枣图像噪声的生物性分析 | 第37-38页 |
| ·红枣图像真实噪声的去除 | 第38-40页 |
| ·实验结果与分析 | 第38-39页 |
| ·结论与讨论 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 第四章 鲜枣表面裂纹缺陷检测方法研究 | 第41-67页 |
| ·引言 | 第41-42页 |
| ·红枣缺陷检测视觉系统的构建 | 第42-44页 |
| ·机器视觉系统理论基础及系统结构 | 第42-43页 |
| ·系统的硬件组成与软件实现 | 第43页 |
| ·试验材料及图像的获取方式 | 第43-44页 |
| ·基于最大类间方差和区域生长分割算法的红枣裂纹检测 | 第44-48页 |
| ·基于最大类间方差的红枣裂纹缺陷分割方法 | 第45-46页 |
| ·基于区域生长算法的红枣裂纹缺陷分割方法 | 第46页 |
| ·实验结果与分析 | 第46-48页 |
| ·基于小波多分辨分析的梯度矢量红枣裂纹检测 | 第48-53页 |
| ·小波多分辨分析理论基础 | 第48-49页 |
| ·图像的梯度矢量相关知识 | 第49-51页 |
| ·小波多分辨分析的梯度矢量相结合的检测方法 | 第51-52页 |
| ·区域标记法去除孤立噪声 | 第52-53页 |
| ·实验结果及分析 | 第53-66页 |
| ·实验结果 | 第53-65页 |
| ·实验分析与结论 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 第五章 总结与展望 | 第67-69页 |
| ·总结 | 第67页 |
| ·展望 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 作者简介 | 第74页 |