| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究目的和意义 | 第7-8页 |
| ·种子纯度检测和高光谱图像技术的研究现状 | 第8-10页 |
| ·高光谱图像轮廓分割和特征波段提取 | 第10-11页 |
| ·图像分割和波段提取必要性 | 第10页 |
| ·图像分割和波段提取的研究现状 | 第10-11页 |
| ·本论文的主要研究工作 | 第11-13页 |
| 第二章 高光谱图像技术及实验数据采集 | 第13-19页 |
| ·引言 | 第13页 |
| ·高光谱图像技术的检测原理 | 第13-14页 |
| ·高光谱反射图像采集系统介绍 | 第14-15页 |
| ·玉米种子样本和高光谱反射图像采集 | 第15-16页 |
| ·玉米种子样本 | 第15页 |
| ·玉米种子的高光谱反射图像采集 | 第15-16页 |
| ·玉米种子样本的高光谱反射图像的校正 | 第16-17页 |
| ·本章小结 | 第17-19页 |
| 第三章 基于阈值分割和 PLSDA 的玉米种子高光谱图像分类 | 第19-35页 |
| ·引言 | 第19页 |
| ·高光谱图像预处理 | 第19-22页 |
| ·玉米种子图像的矩阵表示 | 第19-20页 |
| ·玉米种子图像的格式转化 | 第20页 |
| ·图像的灰度化 | 第20-21页 |
| ·图像增强 | 第21-22页 |
| ·图像阈值分割 | 第22-24页 |
| ·高光谱图像的形状特征参数 | 第24-28页 |
| ·形状特征参数的提取 | 第24-26页 |
| ·形状特征参数的分析 | 第26-28页 |
| ·PLSDA | 第28-31页 |
| ·基于 PLSDA 的高光谱图像玉米种子分类 | 第31-33页 |
| ·单波段 PLSDA 建模分类 | 第31页 |
| ·多波段、全波段下的 PLSDA 建模分类 | 第31-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于主动轮廓模型分割和 PLSDA 的玉米种子高光谱图像分类 | 第35-45页 |
| ·引言 | 第35页 |
| ·算法的介绍和基本原理 | 第35-37页 |
| ·主动轮廓模型概述 | 第35页 |
| ·主动轮廓模型原理 | 第35-36页 |
| ·主动轮廓模型步骤 | 第36-37页 |
| ·基于主动轮廓模型图像分割法的特征分析 | 第37-40页 |
| ·基于主动轮廓模型图像分割法的特征提取 | 第37-39页 |
| ·基于两种图像分割法的特征比较 | 第39-40页 |
| ·基于主动轮廓模型的玉米种子高光谱图像 PLSDA 分类 | 第40-43页 |
| ·Kennard - Stone 算法的原理 | 第40-41页 |
| ·基于主动轮廓模型的玉米种子高光谱图像分类 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第五章 基于波段提取的玉米种子高光谱图像 PLSDA 分类 | 第45-51页 |
| ·引言 | 第45页 |
| ·遗传算法的基本原理和介绍 | 第45-47页 |
| ·遗传算法的基本原理 | 第45-46页 |
| ·遗传算法的特点 | 第46-47页 |
| ·基于遗传算法和 PLSDA 分类算法的玉米种子分类 | 第47-48页 |
| ·与类内类间波段选择算法比较 | 第48-50页 |
| ·类内类间波段选择算法的基本原理 | 第48-49页 |
| ·基于类内类间波段选择算法和 PLSDA 的玉米种子分类 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 主要结论与展望 | 第51-53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 |
