基于光谱与高光谱图像的库尔勒香梨表面损伤检测
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-17页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 国内外水果品质无损检测技术研究进展 | 第10-14页 |
| 1.2.1 声学特性法 | 第10-11页 |
| 1.2.2 计算机视觉法 | 第11-13页 |
| 1.2.3 电子鼻等仿生检测方法 | 第13-14页 |
| 1.3 基于光谱及高光谱图像的水果表面损伤技术 | 第14-15页 |
| 1.4 本文的课题来源及结构安排 | 第15-17页 |
| 2.材料与方法 | 第17-36页 |
| 2.1 库尔勒香梨高光谱图像采集 | 第17-20页 |
| 2.1.1 库尔勒香梨样本 | 第17页 |
| 2.1.2 高光谱成像设备 | 第17-19页 |
| 2.1.3 高光谱图像校正 | 第19页 |
| 2.1.4 高光谱图像裁剪 | 第19-20页 |
| 2.2 特征波段选择方法 | 第20-25页 |
| 2.2.1 连续投影算法 | 第20-21页 |
| 2.2.2 竞争性自适应重加权算法 | 第21-22页 |
| 2.2.3 RELIEF算法 | 第22-25页 |
| 2.3 香梨表面损伤识别方法 | 第25-30页 |
| 2.3.1 线性判别式分析 | 第25-27页 |
| 2.3.2 支持向量机 | 第27-28页 |
| 2.3.3 极限学习机 | 第28-30页 |
| 2.4 高光谱图像处理方法 | 第30-34页 |
| 2.4.1 主成分分析 | 第30-31页 |
| 2.4.2 波段比处理 | 第31-32页 |
| 2.4.3 图像自适应阈值分割 | 第32-33页 |
| 2.4.4 形态学分析 | 第33-34页 |
| 2.5 检测效果评价方法 | 第34页 |
| 2.6 本章小结 | 第34-36页 |
| 3.基于光谱信息的库尔勒香梨表面损伤检测 | 第36-44页 |
| 3.1 库尔勒香梨的光谱特性 | 第36页 |
| 3.2 特征波段选择 | 第36-40页 |
| 3.2.1 基于SPA的特征波段选择结果 | 第37-38页 |
| 3.2.2 基于CARS的特征波段选择结果 | 第38-39页 |
| 3.2.3 基于RELIEF算法的特征波段选择 | 第39-40页 |
| 3.3 基于特征波长的香梨表面损伤识别模型与分析 | 第40-43页 |
| 3.3.1 基于LDA的香梨表面损伤识别模型 | 第41页 |
| 3.3.2 基于SVM的香梨表面损伤识别模型 | 第41-42页 |
| 3.3.3 基于ELM的香梨表面损伤识别模型 | 第42-43页 |
| 3.4 本章小结 | 第43-44页 |
| 4.基于高光谱图像的库尔勒香梨表面损伤检测 | 第44-52页 |
| 4.1 香梨高光谱图像掩膜处理 | 第44-48页 |
| 4.2 香梨高光谱图像PCA分析 | 第48-49页 |
| 4.3 波段比处理与图像分割 | 第49-50页 |
| 4.4 基于高光谱图像的香梨表面损伤检测结果 | 第50页 |
| 4.5 本章小结 | 第50-52页 |
| 5.结论与展望 | 第52-54页 |
| 5.1 本文工作总结 | 第52页 |
| 5.2 下一步研究方向 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参与的科研项目与成果 | 第55-56页 |
| 参考文献 | 第56-60页 |
