| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1. 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10-11页 |
| 1.3 我国现行的烟叶识别标准 | 第11-14页 |
| 1.4 国内外研究现状 | 第14-15页 |
| 1.5 本文研究内容 | 第15-16页 |
| 1.6 本文各章节内容的安排 | 第16-17页 |
| 2. 烟叶图像的采集和预处理 | 第17-32页 |
| 2.1 基于图像的烟叶智能分级系统 | 第17页 |
| 2.2 烤烟烟叶图像采集系统 | 第17-20页 |
| 2.3 烟叶样本图片的预处理 | 第20-30页 |
| 2.3.1 图像的平滑去噪 | 第21-23页 |
| 2.3.2 背景分割 | 第23-26页 |
| 2.3.3 小面积去除 | 第26-27页 |
| 2.3.4 边缘提取 | 第27-29页 |
| 2.3.5 烟叶脉络图像的获得 | 第29-30页 |
| 2.4 本章总结 | 第30-32页 |
| 3. 烟叶图像特征的提取 | 第32-43页 |
| 3.1 烟叶的外形特征 | 第32-35页 |
| 3.2 烟叶颜色特征的提取 | 第35-40页 |
| 3.2.1 RGB 颜色空间特征的提取 | 第35-38页 |
| 3.2.2 HSI 颜色空间特征的提取 | 第38-40页 |
| 3.3 烟叶纹理特征的提取 | 第40-41页 |
| 3.4 烟叶脉络特征的提取 | 第41-42页 |
| 3.5 本章总结 | 第42-43页 |
| 4. 烟叶的分级和特征选择 | 第43-64页 |
| 4.1 粒子群算法和特征选择 | 第44-50页 |
| 4.1.1 粒子群算法 | 第44-47页 |
| 4.1.2 二进制粒子群算法 | 第47-48页 |
| 4.1.3 BPSO 与分类器结合进行特征选择 | 第48-50页 |
| 4.2 BPSO 与不同分类器相结合进行特征选择 | 第50-61页 |
| 4.2.1 BPSO 和 RBF 神经网络结合进行特征选择 | 第50-54页 |
| 4.2.2 BPSO 和支持向量机结合进行特征选择 | 第54-58页 |
| 4.2.3 BPSO 和 Adaboost 结合进行特征选择 | 第58-61页 |
| 4.3 实验结果分析和总结 | 第61-64页 |
| 5. 总结和展望 | 第64-66页 |
| 5.1 论文总结 | 第64页 |
| 5.2 工作展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士期间发表论文及参与项目 | 第70-71页 |
| 致谢 | 第71页 |
