试析基于颜色和纹理特征的竹条分级方法研究

试析基于颜色和纹理特征的竹条分级方法研究

ID:34824096

大小:2.64 MB

页数:70页

时间:2019-03-11

试析基于颜色和纹理特征的竹条分级方法研究_第1页
试析基于颜色和纹理特征的竹条分级方法研究_第2页
试析基于颜色和纹理特征的竹条分级方法研究_第3页
试析基于颜色和纹理特征的竹条分级方法研究_第4页
试析基于颜色和纹理特征的竹条分级方法研究_第5页
资源描述:

《试析基于颜色和纹理特征的竹条分级方法研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、分类号密级华中农业大学硕士学位论文基于颜色和纹理特征的竹条分级方法研究.I83073ttesearch0nbambooclassincationmethod15ased1一o■’l‘n·--一’oncolorandtexturefeatures研究生指导教师:曾传华:陈红副教授专业:农业机械化工程研究方向:农产品加工技术及装备获得学位名称:工学硕士获得学位时间:2010年6月22日华中农业大学工学院二。一O年六月i\㈣嬲。j华中农业大学学位论文独创性声明及使用授权书学他论文是否保密雹如需保密,解密时间年月日独创性声明本人声明新呈交的论文是我个人在导辉指导下避行的研究工作及取得的研究成粟.尽我

2、所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表或撰写避的研究成果,也不包含为获得华中农韭大学或其他教育机捣的学位或证书而使用遗的材料,指导教簿对此迸行了审定.与我一同工作的同志对本研究所做的任何贯献均已在论文中傲了明确的说明,并表示了谢意..研究生签名:咯健辱时阔:翻口年6月≯目学位论文使用授权书本入完全了解华中农监大学关于保存、使用学位论文的规定,印学生必须按照学校要裘提突学位论文的印蓐《本和电子版本;学校有权保存提交论文的印刷版和电子版,并提供目录检索和阕览瑕务,可以采用影印,缩印或扫描荐复制手段保存、j£编学位论文。本人同意华中农业大学可以用不弼方式在不阿媒体上发

3、表.传播学位论文的全部或部分内容,褥时本人保留在其他媒体发表论文的权力.注:保密学位论文(肆涉及技术秘密,商业秘密或申请专利等潜在锗要提交保密的论文)在解密后运用于本授权书.学位敝储张稚辱导师张啄参-.签名日期:劫p年‘月9日签名日期:跏年‘月≯日目录录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.i摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.IABSTRACT⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.IIIl绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

4、⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l1.1研究的目的和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l1.2机器视觉技术简介及应用现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯l1.2.1机器视觉技术简介⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..11.2.2机器视觉技术在颜色分类、识别中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.21.2.3机器视觉技术在纹理分类、识别中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.41.3研究内容与技术路线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯51.3.1主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..51.3.2研究的技术路线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

5、⋯⋯⋯⋯⋯⋯.62图像采集及其预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.72.1实验材料⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.72.2实验装置及图像采集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯72.2.1实验装置⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..72.2.2图像采集⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.82.3竹条图像的预处理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯82.4本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..123竹条图像特征分析与参数提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

6、⋯133.1竹条图像颜色特征分析与参数提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..133.1.1颜色直方图⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯133.1.2颜色矩⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯143.1.3颜色矩颜色特征参数的提取与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯153.2竹条图像纹理特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一193.2.1灰度共生矩阵⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193.2.2灰度共生矩阵纹理特征参数⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯193.2.3竹条表面纹理的灰度共生矩构造因子的选取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯203.3灰度

7、共生矩阵纹理特征参数的提取与分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.233.4特征参数的主成分分析⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.263.5本章小结⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.284基于遗传算法和BP神经网络的竹条分级识别⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯304.1BP神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。304.2BP算法及其优化⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。