首页--工业技术论文--自动化技术、计算机技术论文--遥感技术论文--遥感图像的解译、识别与处理论文--图像处理方法论文

种子高光谱图像分割与特征光谱提取研究

摘要第1-5页
ABSTRACT第5-8页
1 绪论第8-16页
   ·研究背景第8-9页
   ·种子活力检测国内外研究现状第9-12页
     ·国外研究现状第10页
     ·国内研究现状第10-12页
   ·研究目的与意义第12页
   ·研究内容与方法第12-14页
     ·研究主要内容第12-13页
     ·研究方案第13-14页
   ·研究特色与创新第14页
   ·本章小结与本文结构第14-16页
2 实验材料、设备及实验研究方法第16-24页
   ·实验材料第16-18页
     ·样本的选择第16-17页
     ·人工老化处理分组第17-18页
   ·高光谱图像的采集与提取第18-21页
     ·仪器设备第18-19页
     ·光谱数据的扫描过程第19-20页
     ·光谱数据的校正及提取第20-21页
   ·图像处理与识别技术基本原理第21-22页
     ·光谱预处理第21页
     ·特征波长选择第21-22页
     ·判别分析方法第22页
   ·发芽验证实验第22-23页
   ·本章小结第23-24页
3 光谱分析在水稻种子活力检测中的应用第24-42页
   ·相关分析技术原理第24-25页
     ·光谱成像技术简介第24-25页
     ·偏最小二乘判别分析(PLS-DA)简介第25页
   ·水稻样本光谱数据的预处理第25-30页
     ·水稻种子的原始光谱曲线第25-26页
     ·平滑算法(SG)第26-28页
     ·标准正态变量(SNV)第28-29页
     ·多元散射校正(MSC)第29-30页
   ·水稻样本光谱数据特征波长的选择第30-39页
     ·主成份分析定性分析第30-32页
     ·连续投影算法分析第32-36页
     ·特征波长的选择第36-39页
   ·基于全波段光谱和基于特征波长建立偏最小二乘判别分析(PLS-DA)模型第39-41页
     ·基于全波波段光谱的PLS-DA判别模型第39-40页
     ·基于特征波长的PLS-DA判别模型第40-41页
     ·最优PLS-DA判别模型第41页
   ·本章小结第41-42页
4 人工老化分组单粒水稻种子活力的测定与分析第42-48页
   ·水稻种子的人工老化分组第42页
     ·人工加速老化法测定老化条件下种子活力的表现第42页
     ·高温高湿加速老化处理原理第42页
     ·人工老化处理分组第42页
   ·种子活力指数测定第42-43页
     ·原理第42-43页
     ·种子活力指数第43页
   ·发芽实验的结果与分析第43-47页
     ·发芽实验方法第43-44页
     ·发芽实验结果与分析第44-47页
   ·本章小节第47-48页
5 结论与展望第48-50页
   ·结论第48-49页
   ·展望第49-50页
参考文献第50-54页
致谢第54页

论文共54页,点击 下载论文
上一篇:品牌形象建构下的网络视觉设计研究
下一篇:基于产业集聚的镇域新型城镇化发展路径研究--以义乌市佛堂镇为例