基于多特征融合的双路深度信念神经网络水果分类技术研究

目录

第一章 绪论

1.1 研究背景和意义

1.2 水果分类技术的国内外研究现状

1.2.1 水果分类识别浅层学习现状

1.2.2 水果分类识别深度学习现状

1.3 水果分类识别技术的发展历程

1.4 研究的主要内容

1.5 论文结构安排

第二章 图像的预处理方案

2.1 图像数据集建立

2.2 图像噪声与图像增强

2.2.1 图像噪声

2.2.2 图像增强

2.3 图像分割算法实现

2.3.1 基于边缘的图像分割

2.3.2 基于阈值的图像分割

2.3.3 基于区域的图像分割

2.3.4 图像分割

2.4 本章小结

第三章 图像特征提取理论概述

3.1 颜色特征的选取

3.1.1 RGB模型

3.1.2 HSV模型

3.2 纹理特征的选取

3.2.1 局部二值模式方法

3.2.2 方向梯度直方图

3.3 本章小结

第四章 深度信念网络相关理论研究

4.1 受限玻尔兹曼机

4.2 深度信念网络

4.3 特征融合算法的选取

4.4 SoftMax分类算法

4.5 本章小结

第五章 基于多特征融合的双路深度信念网络水果分类技术

5.1 水果图像多特征处理

5.2 双路深度信念网络分类模型训练方法

5.3 实验结果分析

5.3.1 实验研究数据

5.3.2 隐含层数目实验数据

5.3.3 隐含层节点实验数据

5.3.4 多特征融合识别结果实验数据

5.3.5 不同特征组合的实验数据

5.3.6 不同方法的实验数据

5.4 本章小结

第六章 总结与展望

6.1 全文总结

6.2 工作展望

参考文献

攻读学位期间的研究成果

致 谢

声明