首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

近色背景下温室青椒目标视觉识别技术研究

摘要第4-6页
ABSTRACT第6-7页
第一章 绪论第11-17页
    1.1 课题研究背景和意义第11-12页
    1.2 国内外目标识别研究现状第12-14页
        1.2.1 国外目标识别研究现状第12-13页
        1.2.2 国内目标识别研究现状第13-14页
    1.3 课题主要问题与挑战第14-15页
    1.4 本文主要研究内容第15-17页
第二章 青椒图像采集与预处理第17-32页
    2.1 图像采集与分析第17-18页
        2.1.1 图像采集第17页
        2.1.2 青椒图像特征分析第17-18页
    2.2 颜色空间概述第18-23页
        2.2.1 RGB色彩空间第19-20页
        2.2.2 Lab色彩空间第20-21页
        2.2.3 HSI颜色模型第21-23页
    2.3 抑制图像噪声第23-31页
        2.3.1 中值滤波第24-26页
        2.3.2 高斯滤波第26-28页
        2.3.3 双边滤波第28-31页
    2.4 本章小结第31-32页
第三章 青椒图像分割方法研究第32-43页
    3.1 青椒图像一次分割第32-35页
        3.1.1 K-Means聚类原理第32页
        3.1.2 K-Means聚类分割第32-35页
    3.2 青椒图像二次分割第35-38页
        3.2.1 阈值分割概述第35-37页
        3.2.2 二次分割结果第37-38页
    3.3 图像后期处理第38-42页
        3.3.1 数学形态学处理第38-40页
        3.3.2 噪声去除第40页
        3.3.3 有效连通区域保留第40-41页
        3.3.4 处理结果分析第41-42页
    3.4 本章小结第42-43页
第四章 青椒图像特征提取第43-50页
    4.1 形状特征获取第43-45页
        4.1.1 Hu不变矩概念第43页
        4.1.2 Hu不变矩提取图像特征第43-45页
    4.2 纹理特征获取第45-48页
        4.2.1 Tamura纹理特征第45页
        4.2.2 粗糙度第45-46页
        4.2.3 对比度第46-47页
        4.2.4 方向度第47页
        4.2.5 结果比较第47-48页
    4.3 数据归一化第48-49页
    4.4 本章小结第49-50页
第五章 青椒目标识别及实验分析第50-65页
    5.1 最小二乘支持向量机简介第50-54页
        5.1.1 支持向量机简介第50页
        5.1.2 广义最优分类面第50-51页
        5.1.3 最小二乘支持向量机(LS-SVM)原理第51-54页
    5.2 粒子群算法第54-57页
        5.2.1 粒子群算法基本原理第54页
        5.2.2 改进粒子群算法优化LS-SVM参数第54-57页
    5.3 基于改进粒子群算法的最小二乘支持向量机的青椒识别算法流程第57-58页
    5.4 青椒图像目标识别试验第58-63页
        5.4.1 实验环境第58页
        5.4.2 图像预处理第58-59页
        5.4.3 形状和纹理特征提取第59-60页
        5.4.4 IPSO-LS-SVM的识别实验第60-62页
        5.4.5 测试实验第62-63页
    5.5 实验分析第63-64页
        5.5.1 图像分割及特征提取分析第63页
        5.5.2 训练实验及测试实验分析第63-64页
    5.6 本章小结第64-65页
第六章 总结与展望第65-67页
    6.1 研究工作总结第65-66页
    6.2 后续工作展望第66-67页
参考文献第67-71页
致谢第71-72页
攻读硕士期间完成的研究成果第72页

论文共72页,点击 下载论文
上一篇:血细胞相位特征分析及典型模型下的三维重构方法
下一篇:基于多标签学习的慢性疲劳综合征证型分类模型研究