苹果图像特征提取与分类算法的研究与应用
| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8-9页 |
| ·国内外研究现状 | 第9-12页 |
| ·本文的工作及论文的内容安排 | 第12-13页 |
| 2 苹果伤疤的预处理及特征提取 | 第13-27页 |
| ·引言 | 第13-14页 |
| ·图像预处理 | 第14-16页 |
| ·颜色特征提取 | 第16-19页 |
| ·RGB 颜色空间 | 第17-18页 |
| ·HSI 颜色空间 | 第18页 |
| ·颜色矩 | 第18-19页 |
| ·纹理特征 | 第19-26页 |
| ·Tamura 特征 | 第19-21页 |
| ·灰度共生矩阵统计特征 | 第21-24页 |
| ·灰度差分统计特征 | 第24-25页 |
| ·灰度行程长度统计特征 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 基于支持向量机的苹果伤疤检测 | 第27-37页 |
| ·引言 | 第27页 |
| ·最优分类面模型 | 第27-29页 |
| ·广义最优分类面 | 第29-30页 |
| ·高维空间中的最优分类面 | 第30-31页 |
| ·支持向量机的核函数 | 第31-32页 |
| ·窗口搜索 | 第32-33页 |
| ·实验数据 | 第33-34页 |
| ·实验结果 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 4 苹果图像的 SIFT 特征提取 | 第37-47页 |
| ·引言 | 第37页 |
| ·SIFT 特征向量的生成 | 第37-44页 |
| ·检测尺度空间极值 | 第37-41页 |
| ·精确定位特征点位置 | 第41-43页 |
| ·确定特征点的主方向 | 第43页 |
| ·生成SIFT 特征描述符 | 第43-44页 |
| ·实验结果 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 5 改进的融合 SIFT 特征的苹果伤疤检测 | 第47-54页 |
| ·引言 | 第47页 |
| ·形态学处理 | 第47-49页 |
| ·融合SIFT 特征伤疤检测 | 第49-53页 |
| ·本章小结 | 第53-54页 |
| 6 总结与展望 | 第54-56页 |
| ·主要结论 | 第54页 |
| ·后续研究工作的展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 附录 | 第59页 |
| A. 作者在攻读学位期间发表的论文目录 | 第59页 |
| B. 作者在攻读学位期间参与的科研项目 | 第59页 |
