第一个书签之前
摘 要
Abstract
第1章 绪 论
1.1 课题研究的目的和意义
1.2 国内外研究现状
1.2.1 色选系统研究现状
1.2.2 图像压缩算法研究现状
1.2.3 深度学习在图像处理领域的研究现状
1.2.4 色选系统中特征参数检测算法研究现状
1.3 本文主要研究内容
第2章 彩色色选图像处理平台的设计
2.1 引言
2.2 彩色色选系统整体方案设计
2.2.1 需求分析
2.2.2 DSP+FPGA平台总体硬件方案
2.2.3 CPU+GPU平台总体硬件方案
2.3 DSP+FPGA硬件平台的搭建
2.3.1 图像采集
2.3.2 图像显示
2.3.3 图像处理
2.4 CPU+GPU硬件平台的搭建
2.5 本章小结
第3章 彩色色选图像压缩还原算法
3.1 引言
3.2 图像压缩质量评价
3.3 图像小波变换的分解与重构
3.3.1 小波分解
3.3.2 小波分解后子图像灰度直方图
3.3.3 小波分解后子图像灰度数值分布
3.3.4 小波函数选取
3.4 基于小波变换的图像压缩编码算法
3.4.1 嵌入式零数小波编码
3.4.2 多级树集合分裂编码
3.4.3 仿真分析
3.5 小波变换图像压缩还原算法简化与测试
3.5.1 小波变换图像压缩还原算法简化
3.5.2 小波变换图像压缩还原算法测试
3.6 本章小结
第4章 基于深度学习的彩色色选图像分类算法
4.1 引言
4.2 卷积神经网络基础理论
4.3 基于CNN的花生分类算法
4.3.1 数据集
4.3.2 卷积神经网络的构建
4.4 基于CNN的花生分类算法的优化
4.4.1 数据集优化
4.4.2 正则化减小过拟合
4.4.3 指数衰减法设置学习率
4.4.4 滑动平均模型加快训练收敛速度
4.4.5 神经网络结构的简化
4.4.6 综合优化方案
4.5 基于CNN的花生分类算法的优势
4.6 本章小结
第5章 彩色色选的特征参数检测算法
5.1 引言
5.2 基于深度学习的超分辨重建
5.2.1 基于卷积神经网络的超分辨技术
5.2.2 基于亚像素卷积神经网络的超分辨技术
5.3 特征参数检测算法
5.3.1 颜色模型
5.3.2 图像滤波
5.3.3 形态学运算
5.3.4 边缘检测和破损区域检测
5.4 特征参数检测算法测试
5.4.1 DSP+FPGA平台测试
5.4.2 CPU+GPU平台测试
5.5 本章小结
结 论
参考文献
攻读学位期间发表的学术论文及其他成果
哈尔滨工业大学学位论文原创性声明和使用权限
致 谢
