声明
第1章绪 论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 红色果实识别国内外研究现状
1.2.2 绿色果实识别国内外研究现状
1.2.3 夜间图像增强国内外研究现状
1.2.4 国内外研究现状总结
1.3 研究内容
1.4 技术路线
1.5 本章小结
第2章夜间青苹果图像采集及去噪
2.1 引言
2.2 夜间青苹果图像采集
2.2.1 照明系统设计
2.2.2 图像采集系统
2.3 噪声类型分析
2.4 图像去噪
2.4.1 均值滤波
2.4.2 高斯滤波
2.4.3 中值滤波
2.4.4 双边滤波
2.4.5 引导滤波
2.5 图像降噪实验
2.6 本章小结
第3章夜间青苹果图像增强
3.1 引言
3.2 基于 Retinex理论的图像增强算法
3.2.1 单尺度 Retinex算法
3.2.2 多尺度 Retinex算法
3.2.3 带色彩恢复的多尺度 Retinex 算法
3.3 基于同态滤波的图像增强算法
3.4 基于直方图均衡化的图像增强算法
3.4.1 全局直方图均衡化算法
3.4.2 限制对比度局部自适应直方图均衡化算法
3.5 本文算法
3.6 图像增强实验
3.7 本章小结
第4章超像素分割及特征选取
4.1 引言
4.2 简单线性迭代聚类(SLIC)分割
4.3 颜色特征选取
4.3.1 RGB 颜色模型
4.3.2 HSV颜色空间
4.3.3 YCrCb颜色模型
4.3.4 Lab颜色模型
4.4 纹理特征选取
4.5 本章小结
第5章苹果识别
5.1 引言
5.2 特征训练集制作
5.3 苹果图像分割
5.4 模板图像完善
5.5 局部参数自适应霍夫变换法识别苹果
5.6 苹果识别实验
5.7 本章小结
第6章结论与展望
6.1 结论
6.2 创新点
6.3 展望
参考文献
附录 夜间青苹果识别算法代码
致谢
作者简介
1 作者简历
2 攻读硕士学位期间参加的科研项目和成果
学位论文数据集
浙江工业大学;