基于机器视觉的烟叶除杂关键技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-12页 |
| ·课题研究的背景和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本文主要研究工作和内容 | 第11-12页 |
| 2 基于近红外图像的烟叶梗茎检测 | 第12-33页 |
| ·引言 | 第12页 |
| ·利用近红外图像进行烟叶梗茎检测的可行性 | 第12-13页 |
| ·近红外图像在工业上的可行性 | 第12-13页 |
| ·近红外烟叶梗茎图像特点 | 第13页 |
| ·近红外烟叶图像采集 | 第13-14页 |
| ·近红外烟叶图像去噪处理 | 第14-17页 |
| ·噪声及来源 | 第14-15页 |
| ·噪声去除方法 | 第15-17页 |
| ·近红外烟叶梗茎图像分割 | 第17-27页 |
| ·经典图像分割方法分析 | 第17-20页 |
| ·一种基于模糊增强和过渡区阈值提取的梗茎分割方法 | 第20-25页 |
| ·实验结果与分析 | 第25-27页 |
| ·基于链码跟踪的梗茎轮廓提取及形状分析 | 第27-30页 |
| ·基于链码跟踪的梗茎轮廓提取 | 第27-29页 |
| ·基于链码跟踪的梗茎形状分析 | 第29-30页 |
| ·基于骨架细化的梗茎提取及形状分析 | 第30-32页 |
| ·烟叶梗茎的骨架细化 | 第30-31页 |
| ·基于骨架细化的梗茎形状分析 | 第31页 |
| ·实验结果分析 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 3 基于改进Gist特征提取的杂烟识别技术研究 | 第33-51页 |
| ·引言 | 第33页 |
| ·经典特征提取方法 | 第33-39页 |
| ·颜色特征提取 | 第33-37页 |
| ·纹理特征提取 | 第37-38页 |
| ·联合特征提取 | 第38-39页 |
| ·基于Gist特征的烟叶特征提取 | 第39-45页 |
| ·空间包络模型 | 第39-40页 |
| ·Gist特征模型框架 | 第40-41页 |
| ·Gist视觉特征提取 | 第41-42页 |
| ·Gist的特征图计算 | 第42-43页 |
| ·Gist特征向量计算 | 第43-44页 |
| ·Gist特征提取的改进 | 第44-45页 |
| ·一种基于SVM的烟叶除杂方法 | 第45-50页 |
| ·SVM概述 | 第45-48页 |
| ·基于支持向量机(SVM)的烟叶识别 | 第48-49页 |
| ·SVM实验结果与分析 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 4 烟叶除杂系统设计与实现 | 第51-58页 |
| ·引言 | 第51页 |
| ·系统总体结构及工作原理 | 第51-52页 |
| ·系统硬件设计 | 第52-54页 |
| ·系统软件设计 | 第54-56页 |
| ·本章小结 | 第56-58页 |
| 5 总结与展望 | 第58-59页 |
| 致谢 | 第59-60页 |
| 参考文献 | 第60-63页 |
