摘要 | 第4-6页 |
Abstract | 第6-7页 |
1 绪论 | 第10-18页 |
1.1 课题背景及研究意义 | 第10-13页 |
1.1.1 课题背景 | 第10-12页 |
1.1.2 该领域存在的问题 | 第12-13页 |
1.1.3 研究的意义 | 第13页 |
1.2 国内外研究现状及发展动态 | 第13-15页 |
1.3 主要研究内容 | 第15-16页 |
1.3.1 图像的去噪 | 第15-16页 |
1.3.2 图像的目标识别 | 第16页 |
1.4 本文组织结构 | 第16-18页 |
2 基于贝叶斯决策的图像去噪预处理方法 | 第18-26页 |
2.1 贝叶斯决策 | 第18-20页 |
2.2 三种经典去噪算法的仿真测试 | 第20-24页 |
2.2.1 关于中值滤波算法的仿真测试 | 第20-21页 |
2.2.2 关于中均值滤波算法的仿真测试 | 第21页 |
2.2.3 关于自适应维纳滤波算法的仿真测试 | 第21-22页 |
2.2.4 三种经典算法的实例测试 | 第22-24页 |
2.3 三种结合算法的测试结果与分析 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
3 基于多方向中值滤波的各向异性扩散滤波算法 | 第26-36页 |
3.1 各向异性扩散模型 | 第26-28页 |
3.2 多方向中值滤波算法 | 第28-31页 |
3.2.1 算法思想 | 第28-29页 |
3.2.2 算法流程 | 第29-31页 |
3.3 仿真实验及结果分析 | 第31-35页 |
3.4 本章小结 | 第35-36页 |
4 基于Hough变换的成熟番茄识别方法 | 第36-43页 |
4.1 番茄图像分割 | 第36-38页 |
4.2 外接矩形标记有效区域 | 第38页 |
4.3 Hough变换 | 第38-40页 |
4.3.1 Hough变换识别原理 | 第38-40页 |
4.3.2 Hough变换识别番茄轮廓 | 第40页 |
4.4 仿真实验及结果分析 | 第40-42页 |
4.4.1 仿真测试 | 第40-41页 |
4.4.2 仿真结果分析 | 第41-42页 |
4.5 本章小结 | 第42-43页 |
5 基于Hough变换方番茄识别方法的优化 | 第43-51页 |
5.1 最小二乘法拟合 | 第43页 |
5.2 基于最小二乘法拟合修正的Hough变换算法 | 第43-48页 |
5.2.1 图像预处理 | 第44-45页 |
5.2.2 凹点检测 | 第45-46页 |
5.2.3 Hough变换 | 第46页 |
5.2.4 最小二乘法曲线拟合 | 第46-47页 |
5.2.5 最小二乘法拟合修正的Hough变换结果 | 第47-48页 |
5.3 实验结果与分析 | 第48-50页 |
5.4 本章小结 | 第50-51页 |
6 结论与展望 | 第51-53页 |
6.1 结论 | 第51-52页 |
6.2 展望 | 第52-53页 |
致谢 | 第53-54页 |
参考文献 | 第54-57页 |
攻读学位期间的研究成果 | 第57页 |