声明
致谢
摘要
第1章 绪论
1.1 课题的提出及意义
1.1.1 我国的水钻生产状况
1.1.2 水钻生产系统中存在的不足
1.2 基于机器视觉的水钻自动分拣技术
1.2.1 机器视觉技术的发展
1.2.2 机器视觉技术在水钻分拣上的运用
1.3 本文的主要内容及组织结构
1.3.1 本文研究的目的及意义
1.3.2 本文的主要内容
1.3.3 论文的组织结构
第2章 基于HSI颜色模型的水钻自动计数研究
2.1 引言
2.2 水钻图像的采集
2.3 基于HSI颜色空问的水钻光学特征检测
2.3.1 HSI与RGB颜色模型的比较与选择
2.3.2 水钻图像ROI区域的色饱和度检测
2.4 基于标记特征的ROI区域合并
2.4.1 水钻图像去噪处理
2.4.2 基于测地学的水钻图像描述
2.4.3 基于地貌标记的ROI区域合并
2.5 ROI区域内的水钻计数
2.6 本章小结
第3章 基于种子区域生长的水钻图像自动分割研究
3.1 引言
3.2 水钻图像ROI区域的修复
3.2.1 基于全变分模型的图像修复
3.2.2 基于目标邻域插值和ROI区域中值填充的联合修复
3.3 水钻图像的自适应种子区域生长分割
3.3.1 图像分割方法概述
3.3.2 各颜色水钻灰度级范围的划分
3.3.3 基于灰度信息的自动种子点选取
3.3.4 区域生长准则的设定
3.4 水钻的分割实验及讨论
3.5 本章小结
第4章 基于BP神经网络的水钻目标识别研究
4.1 引言
4.2 BP神经网络参数的选择及优化
4.2.1 人工神经网络发展概述
4.2.2 BP神经网络参数的选取
4.3 BP神经网络水钻训练样本的设计
4.3.1 训练样本的归一化
4.3.2 训练样本的选择原则
4.3.3 基于KNN的训练样本选择方法
4.4 水钻测试目标图像的获取及相应的形态学处理
4.4.1 水钻图像中测试样本的获取
4.4.2 提高水钻目标识别率的形态学处理
4.5 本章小结
第5章 水钻自动分拣系统的实现
5.1 水钻自动分拣系统的硬件介绍
5.2 水钻自动分拣系统的软件介绍
5.2.1 系统的开发环境
5.2.2 系统的开发工具
5.3 水钻自动分拣系统的界面设计
5.4 水钻识别实验及分析
第6章 总结与展望
6.1 本文结论
6.2 后期工作展望
参考文献
附录:个人简介和攻读硕士学位期间科研成果