| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 目录 | 第9-11页 |
| 插图清单 | 第11-12页 |
| 附表清单 | 第12-13页 |
| 主要符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| ·课题研究的目的及意义 | 第14-15页 |
| ·国内外研究现状 | 第15-19页 |
| ·主要研究内容 | 第19-20页 |
| 第二章 水果图像采集硬件系统 | 第20-23页 |
| ·光源选择与光照箱设计 | 第20页 |
| ·摄像头 | 第20-21页 |
| ·镜头 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 水果图像预处理 | 第23-29页 |
| ·实验图像样本 | 第23-24页 |
| ·阂值分割算法 | 第24-27页 |
| ·图像背景分割结果 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 纹理特征提取 | 第29-52页 |
| ·概述 | 第29-30页 |
| ·纹理特征表达方法 | 第30-33页 |
| ·统计分析法 | 第30页 |
| ·模型分析法 | 第30-31页 |
| ·结构分析法 | 第31页 |
| ·信号分析法 | 第31-33页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第33-40页 |
| ·灰度共生矩阵 | 第33-35页 |
| ·特征提取 | 第35-38页 |
| ·图像旋转变化对纹理分析结果影响 | 第38页 |
| ·基于GLCM分析结果 | 第38-40页 |
| ·双树复小波变换 | 第40-51页 |
| ·双树复小波变换原理 | 第40-41页 |
| ·双树复小波变换实现 | 第41-44页 |
| ·特征提取 | 第44-47页 |
| ·旋转不变性 | 第47-49页 |
| ·基于DT-CWT的纹理分析结果 | 第49-51页 |
| ·特征向量归一化 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第五章 分类算法 | 第52-70页 |
| ·常用分类算法 | 第52-55页 |
| ·K-Means分类器 | 第52-53页 |
| ·神经网络 | 第53页 |
| ·遗传算法 | 第53-54页 |
| ·支持向量机 | 第54页 |
| ·不同分类器实验结果 | 第54-55页 |
| ·支持向量机分类 | 第55-58页 |
| ·线性可分 | 第55-56页 |
| ·线性不可分 | 第56-57页 |
| ·非线性可分 | 第57-58页 |
| ·最小二乘支持向量机 | 第58-64页 |
| ·最小二乘支持向量机原理 | 第58-59页 |
| ·LS-SVM核函数及其参数 | 第59-62页 |
| ·训练算法 | 第62-63页 |
| ·多类分类器算法 | 第63-64页 |
| ·LS-SVM分类性能 | 第64-66页 |
| ·纹理分类实验 | 第66-69页 |
| ·DT-CWT分解层数对分类结果的影响 | 第66-68页 |
| ·GLCM和DT-CWT对果梗、花萼与缺陷识别的有效性 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-73页 |
| ·总结 | 第70-72页 |
| ·展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 作者简介 | 第78页 |