数字图像处理法检测工业微生物
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-12页 |
| 第1章 绪论 | 第12-19页 |
| ·课题研究背景及意义 | 第12-13页 |
| ·国内外研究现状及存在的主要问题 | 第13-15页 |
| ·国内外研究现状 | 第13-14页 |
| ·存在的主要问题 | 第14-15页 |
| ·数字图像处理法的发展状况 | 第15-17页 |
| ·本文的主要研究内容及创新点 | 第17-19页 |
| ·主要内容 | 第17-18页 |
| ·本论文创新点 | 第18-19页 |
| 第2章 微生物菌落的计数研究 | 第19-28页 |
| ·引言 | 第19页 |
| ·图像预处理 | 第19-23页 |
| ·图像的灰度化 | 第19页 |
| ·培养皿边缘的去除 | 第19-20页 |
| ·菌落图像的阈值分割 | 第20-23页 |
| ·粘连菌落的分割 | 第23-24页 |
| ·菌落计数 | 第24-26页 |
| ·结果与讨论 | 第26页 |
| ·本章小结 | 第26-28页 |
| 第3章 微生物菌落的识别算法研究 | 第28-33页 |
| ·引言 | 第28页 |
| ·微生物菌落的识别过程 | 第28-29页 |
| ·特征提取 | 第29-30页 |
| ·基于支持向量机的模式识别过程 | 第30-31页 |
| ·结论 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 微生物的特征提取 | 第33-41页 |
| ·基本概念 | 第33-34页 |
| ·基于形状不变矩的特征提取 | 第34-35页 |
| ·形状不变矩 | 第34-35页 |
| ·提取结果 | 第35页 |
| ·基于灰度共生矩阵的特征提取 | 第35-36页 |
| ·基于纹理特征的特征提取 | 第36-37页 |
| ·基于分形维数的特征提取 | 第37-40页 |
| ·分形几何的基本原理 | 第38页 |
| ·盒维数的计算方法 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 特征优化选择 | 第41-50页 |
| ·基本概念 | 第41-43页 |
| ·模拟退火技术的基本原理 | 第43-44页 |
| ·遗传算法的基本原理 | 第44-45页 |
| ·基于模拟退火和遗传算法的特征优化选择 | 第45-48页 |
| ·本文所采用方法及实验结果分析 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第6章 识别模型的分析及选取 | 第50-64页 |
| ·BP 神经网络模型 | 第50-52页 |
| ·BP 神经网络结构 | 第50-51页 |
| ·BP 神经网络的算法及改进 | 第51-52页 |
| ·改进的BP 神经网络模型在微生物识别中的应用 | 第52页 |
| ·Elman 神经网络模型 | 第52-54页 |
| ·Elman 神经网络结构 | 第52-54页 |
| ·Elman 神经网络模型在微生物识别中的应用 | 第54页 |
| ·支持向量机模型 | 第54-62页 |
| ·概述 | 第54页 |
| ·支持向量机分类算法 | 第54-57页 |
| ·非线性支持向量机 | 第57-59页 |
| ·核函数 | 第59-60页 |
| ·交叉验证法选择核参数 | 第60页 |
| ·SAA 参数寻优 | 第60-61页 |
| ·基于SAA 的SVM 参数寻优 | 第61-62页 |
| ·本章小结 | 第62-64页 |
| 结论 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 发表论文及参加科研情况 | 第71-72页 |
| 致谢 | 第72页 |
