| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-15页 |
| ·研究背景 | 第7-8页 |
| ·高光谱图像技术无损检测水果研究现状 | 第8-9页 |
| ·高光谱图像降维 | 第9-12页 |
| ·高光谱图像降维的必要性 | 第9-11页 |
| ·高光谱图像降维的研究现状 | 第11-12页 |
| ·本文主要研究的工作 | 第12-15页 |
| 第二章 基于高光谱图像技术的水果品质检测理论 | 第15-23页 |
| ·引言 | 第15页 |
| ·高光谱图像技术检测原理 | 第15-17页 |
| ·实验系统介绍 | 第17-22页 |
| ·高光谱图像样本采集 | 第17页 |
| ·高光谱图像检测系统硬件组成和数据获取 | 第17-19页 |
| ·数据预处理 | 第19页 |
| ·特征生成 | 第19-21页 |
| ·数据降维 | 第21-22页 |
| ·分类 | 第22页 |
| ·本章小结 | 第22-23页 |
| 第三章 基于粗糙集和高光谱图像技术的降维研究 | 第23-37页 |
| ·引言 | 第23页 |
| ·波段选择理论 | 第23-24页 |
| ·RS 理论 | 第24-25页 |
| ·邻域RS 理论 | 第25-27页 |
| ·PCA | 第27-28页 |
| ·SVM | 第28-33页 |
| ·结果与讨论 | 第33-35页 |
| ·不同波长下的苹果光谱 | 第33-34页 |
| ·检测过程和结果 | 第34页 |
| ·邻域半径δ对检测结果的影响 | 第34-35页 |
| ·结束语 | 第35-37页 |
| 第四章 基于LLE 和高光谱图像技术的降维研究 | 第37-43页 |
| ·前言 | 第37页 |
| ·流形学习 | 第37-38页 |
| ·局部线性嵌入 | 第38-40页 |
| ·结果与讨论 | 第40-41页 |
| ·数据集分类结果比较 | 第40页 |
| ·RBF 参数对分类结果的影响 | 第40-41页 |
| ·LLE 参数对分类结果的影响 | 第41页 |
| ·结束语 | 第41-43页 |
| 第五章 基于有监督流形学习和高光谱图像技术的降维研究 | 第43-51页 |
| ·前言 | 第43页 |
| ·基于SLLE 和高光谱图像技术的苹果粉质化分类 | 第43-47页 |
| ·SLLE 训练过程 | 第43-44页 |
| ·SLLE 测试过程 | 第44页 |
| ·结果与讨论 | 第44-47页 |
| ·基于S-Isomap 和高光谱图像技术的苹果粉质化分类 | 第47-50页 |
| ·S-Isomap 算法介绍 | 第47页 |
| ·新样本测试 | 第47-48页 |
| ·结果与讨论 | 第48-50页 |
| ·结束语 | 第50-51页 |
| 第六章 工作总结与展望 | 第51-53页 |
| ·工作总结 | 第51-52页 |
| ·展望 | 第52-53页 |
| 致谢 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 附录：作者在攻读硕士学位期间发表的论文 | 第59页 |