| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 数字图像处理概述 | 第8-9页 |
| 1.2 图像分割技术现状及应用 | 第9-12页 |
| 1.2.1 图像分割的意义 | 第9-10页 |
| 1.2.2 图像分割的现状 | 第10-11页 |
| 1.2.3 图像分割的应用 | 第11-12页 |
| 1.3 本文研究的背景和国内外研究现状 | 第12-14页 |
| 1.3.1 智能采摘机器人的研究意义 | 第12-13页 |
| 1.3.2 智能采摘机器人的发展现状 | 第13-14页 |
| 1.4 本文主要内容和组织框架 | 第14-16页 |
| 第二章 彩色图像分割方法综述 | 第16-24页 |
| 2.1 彩色模型 | 第16-20页 |
| 2.1.1 RGB颜色空间 | 第16-17页 |
| 2.1.2 YCbCr颜色空间 | 第17页 |
| 2.1.3 HSV颜色空间 | 第17-18页 |
| 2.1.4 CIEL*a*b*颜色空间 | 第18-20页 |
| 2.2 常用的数字图像分割技术研究 | 第20-23页 |
| 2.2.1 基于阈值的分割算法 | 第20-21页 |
| 2.2.2 基于区域的分割算法 | 第21-22页 |
| 2.2.3 基于边缘检测的分割算法 | 第22页 |
| 2.2.4 基于其它理论的分割算法 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 基于改进分水岭的棉花图像分割算法 | 第24-36页 |
| 3.1 棉花图片库的建立 | 第24-26页 |
| 3.1.1 单目采集图像库 | 第24-25页 |
| 3.1.2 双目采集图像库 | 第25-26页 |
| 3.2 图像分割原理 | 第26-27页 |
| 3.3 算法提出背景 | 第27页 |
| 3.4 分水岭算法原理 | 第27-29页 |
| 3.5 改进分水岭的棉花图像分割算法 | 第29-32页 |
| 3.5.1 P-M模型预处理 | 第29-30页 |
| 3.5.2 形态学多尺度梯度 | 第30页 |
| 3.5.3 梯度图修正 | 第30-32页 |
| 3.6 分水岭变化后期处理 | 第32-33页 |
| 3.6.1 连通域面积去噪 | 第32-33页 |
| 3.6.2 区域合并 | 第33页 |
| 3.7 仿真结果分析 | 第33-35页 |
| 3.8 本章小结 | 第35-36页 |
| 第四章 基于改进K-均值聚类与HSV模型的棉花分割算法 | 第36-47页 |
| 4.1 K-均值聚类算法介绍 | 第36-37页 |
| 4.2 K-均值聚类算法的优点及不足 | 第37-38页 |
| 4.3 改进的K-均值聚类算法 | 第38-39页 |
| 4.3.1 颜色空间选择 | 第38页 |
| 4.3.2 聚类数目和聚类中心的选择 | 第38-39页 |
| 4.4 基于HSV模型的棉花分割 | 第39-40页 |
| 4.4.1 Otsu法阈值选取 | 第40页 |
| 4.4.2 连通域面积去噪 | 第40页 |
| 4.5 本章算法流程 | 第40-41页 |
| 4.6 实验结果分析 | 第41-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-50页 |
| 5.1 本文工作总结 | 第47-48页 |
| 5.2 未来工作展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
| 在读学位期间发表的论文 | 第52-53页 |
| 致谢 | 第53页 |