| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第11-19页 |
| 1.1 研究背景及问题的提出 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 猪肉新鲜度的检测方法 | 第12-14页 |
| 1.2.2 计算机视觉技术在肉质检测中的应用研究 | 第14-16页 |
| 1.3 论文研究目标与内容 | 第16-17页 |
| 1.3.1 主要研究目标 | 第16-17页 |
| 1.3.2 主要研究内容 | 第17页 |
| 1.4 论文的章节结构 | 第17-19页 |
| 第二章 图像采集及图像处理算法 | 第19-35页 |
| 2.1 图像采集系统 | 第19-20页 |
| 2.2 颜色及颜色模型 | 第20-24页 |
| 2.2.1 肌肉颜色成色原理 | 第20-21页 |
| 2.2.2 颜色模型 | 第21-24页 |
| 2.3 图像灰度化 | 第24-25页 |
| 2.4 图像增强 | 第25-28页 |
| 2.4.1 邻域平均法 | 第26页 |
| 2.4.2 中值滤波法 | 第26-27页 |
| 2.4.3 图像增强处理结果与分析 | 第27-28页 |
| 2.5 图像分割 | 第28-31页 |
| 2.5.1 固定阈值分割法 | 第28-29页 |
| 2.5.2 Otsu阈值分割法 | 第29-30页 |
| 2.5.3 迭代式阈值分割法 | 第30页 |
| 2.5.4 图像分割处理结果与分析 | 第30-31页 |
| 2.6 形态学运算 | 第31-34页 |
| 2.6.1 形态学概述 | 第31页 |
| 2.6.2 形态学基本运算 | 第31-33页 |
| 2.6.3 形态学运算处理结果与分析 | 第33-34页 |
| 2.7 图像合成 | 第34-35页 |
| 第三章 猪肉高光图像的高光去除算法研究 | 第35-45页 |
| 3.1 试验样本采集 | 第35-36页 |
| 3.2 高光图像预处理 | 第36-38页 |
| 3.2.1 颜色空间转换 | 第36-37页 |
| 3.2.2 Otsu阈值分割 | 第37页 |
| 3.2.3 形态学处理 | 第37-38页 |
| 3.2.4 图像合成 | 第38页 |
| 3.3 高光去除算法研究 | 第38-41页 |
| 3.3.1 双反射模型 | 第39页 |
| 3.3.2 MSF图像 | 第39-40页 |
| 3.3.3 自适应阈值 | 第40-41页 |
| 3.3.4 纯白色光照色度 | 第41页 |
| 3.4 改进的高光去除算法 | 第41-44页 |
| 3.4.1 MSF图像的改进 | 第41-42页 |
| 3.4.2 自适应阈值选取的改进 | 第42-43页 |
| 3.4.3 光照色度估计 | 第43-44页 |
| 3.5 图像高光去除结果 | 第44-45页 |
| 3.6 高光去除的图像质量评价 | 第45页 |
| 第四章 颜色特征参数优化的猪肉新鲜度等级预测 | 第45-63页 |
| 4.1 样本选取 | 第46-48页 |
| 4.2 猪肉新鲜度感官评定 | 第48-49页 |
| 4.3 图像预处理与颜色特征参数选取 | 第49-50页 |
| 4.3.1 图像预处理 | 第49页 |
| 4.3.2 颜色特征参数选取 | 第49-50页 |
| 4.4 颜色特征优化选取 | 第50-61页 |
| 4.4.1 模式识别 | 第50-51页 |
| 4.4.2 BP神经网络预测模型构建 | 第51-56页 |
| 4.4.3 SVM预测模型构建 | 第56-61页 |
| 4.5 猪肉新鲜度等级预测结果分析 | 第61-63页 |
| 第五章 基于Android平台猪肉新鲜度识别系统设计 | 第63-75页 |
| 5.1 系统整体架构 | 第63-64页 |
| 5.2 移动终端设计 | 第64-68页 |
| 5.2.1 Android操作系统简介 | 第65页 |
| 5.2.2 Android操作系统架构 | 第65-66页 |
| 5.2.3 移动终端设计 | 第66-68页 |
| 5.3 服务器端设计 | 第68-69页 |
| 5.4 系统实现 | 第69-75页 |
| 5.4.1 整体实现流程 | 第69-70页 |
| 5.4.2 系统测试 | 第70-75页 |
| 第六章 总结与展望 | 第75-77页 |
| 6.1 工作总结 | 第75页 |
| 6.2 未来展望 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 附录 | 第83-84页 |
| 致谢 | 第84页 |