| 摘要 | 第8-9页 |
| 英文摘要 | 第9-10页 |
| 1 引言 | 第11-15页 |
| 1.1 研究目的及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-13页 |
| 1.2.1 国外种粒识别的研究现状 | 第12页 |
| 1.2.2 国内种粒识别的研究现状 | 第12-13页 |
| 1.3 大豆种粒识别技术路线与研究内容 | 第13-15页 |
| 1.3.1 技术路线 | 第13页 |
| 1.3.2 研究内容 | 第13-15页 |
| 2 大豆种粒图像数据集的构建 | 第15-18页 |
| 2.1 大豆种粒的收集 | 第15-16页 |
| 2.2 大豆种粒图像的拍摄 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 3 大豆种粒图像的预处理 | 第18-28页 |
| 3.1 大豆种粒图像灰度化 | 第18-20页 |
| 3.2 大豆种粒图像降噪 | 第20-21页 |
| 3.3 大豆种粒图像分割 | 第21-27页 |
| 3.3.1 边缘检测 | 第22-24页 |
| 3.3.2 阈值分割 | 第24页 |
| 3.3.3 分水岭算法 | 第24-25页 |
| 3.3.4 分割结果比较分析 | 第25-27页 |
| 3.4 本章小结 | 第27-28页 |
| 4 特征提取与基于主成分分析的特征融合 | 第28-40页 |
| 4.1 特征提取 | 第28-34页 |
| 4.1.1 颜色特征的提取 | 第28-30页 |
| 4.1.2 纹理特征的提取 | 第30-33页 |
| 4.1.3 形状特征的提取 | 第33-34页 |
| 4.2 特征参数降维 | 第34-39页 |
| 4.2.1 主成分分析概述 | 第34-35页 |
| 4.2.2 特征参数降维处理 | 第35-39页 |
| 4.3 本章小结 | 第39-40页 |
| 5 大豆种粒图像分类 | 第40-50页 |
| 5.1 大豆种粒图像分类算法选取 | 第40-44页 |
| 5.1.1 传统的KNN分类算法 | 第40-42页 |
| 5.1.2 K-近质心近邻分类算法 | 第42-43页 |
| 5.1.3 基于局部均值的非参数分类算法 | 第43-44页 |
| 5.2 大豆种粒图像识别结果及分析 | 第44-49页 |
| 5.2.1 基于局部权重的K-近质心近邻分类识别实验 | 第44-46页 |
| 5.2.2 基于局部均值的非参数分类识别实验 | 第46-48页 |
| 5.2.3 大豆种粒图像识别实验比较 | 第48-49页 |
| 5.3 本章小结 | 第49-50页 |
| 6 结论 | 第50-51页 |
| 致谢 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 攻读硕士学位期间发表的学术论文 | 第56页 |