第一章 绪 论
1.1 研究背景与意义
1.2 国内外研究历史与现状
1.2.1 粘连种子分割算法国内外研究
1.2.2 垩白识别算法国内外研究
1.3 本文的主要研究内容
1.4 本论文的结构安排
第二章 相关理论及技术研究
2.1.1 图像卷积运算
2.1.2 图像二值化算法
2.1.3 图像形态学处理
2.1.4 双线性插值技术
2.2 神经网络基础理论研究
2.2.1 神经元
2.2.2 前馈神经网络研究
2.2.3 反向传播算法研究
2.2.4 梯度下降法研究
2.2.5 动量法研究
2.2.6 L2正则化研究
2.2.7 学习率衰减研究
2.2.8 Dropout技术研究
2.3 卷积神经网络研究
2.3.1 卷积层
2.3.2 池化层
2.3.3 全连接层
2.3.4 损失层
2.4 整体算法设计
2.5 本章小结
第三章 基于凹点匹配的粘连种子分割算法研究
3.1 本章算法框架
3.2 稻米图像预处理
3.2.1 图像二值化及高斯去噪
3.2.2 Canny算法提取轮廓信息
3.2.3 圆形模板提取轮廓凹点
3.3 基于形态学操作的图像分割算法
3.4 基于局部凹点匹配的图像分割算法
3.4.1 基于全局凹点匹配的分割算法研究
3.4.2 基于局部凹点匹配的分割算法研究
3.5 基于距离变换函数的图像分割方法
3.5.1 距离变换函数
3.5.2 孤立凹点的分割路径研究
3.6 实验结果及分析
3.7 本章小结
第四章 基于全卷积神经网络的单粒稻米垩白识别方法
4.1 本章算法框架
4.2.1 全卷积神经网络原理剖析
4.2.2 FCN-8s模型的网络结构研究
4.2.3 迁移学习
4.2.4 构建稻米种子数据库Chalk4
4.2.5 实验结果及分析
4.3 稻米垩白识别网络G-Chalk的设计
4.3.1 改进特征图融合方式
4.3.2 改进反卷积方式
4.3.3 改进损失函数
4.3.4 实验结果及分析
4.4.1 SLIC超像素分割技术研究
4.4.2 GLCM灰度共生矩阵技术研究
4.4.3 基于图像纹理特征的超像素分割技术
4.5 实验结果及分析
4.6 本章小结
第五章 米质分析软件设计与实现
5.1 软件模块设计
5.2.1 系统主界面
5.2.2 配置界面
5.2.3 结果统计栏
5.3 本章小结
第六章 总结与展望
6.1 全文总结
6.2 后续工作展望
致谢
参考文献
攻读硕士学位期间取得的成果