导读:本文包含了农产品图像论文开题报告文献综述及选题提纲参考文献，主要关键词:数字图像边缘检测算法,灰度图像,经典算子,水果分级
农产品图像论文文献综述
肖付才,靳雯雯[1]（2019）在《数字图像边缘检测算法及在农产品检测中的运用》一文中研究指出数字图像边缘检测算法是对图像识别处理的升级。本文以数字图像边缘检测算法在农产品外观品质检测中的应用为中心,从水果质量、性状、缺陷检测3个方面进行了深入探讨,以期进一步认识数字图像边缘检测算法在农产品检测中的应用价值,提高农产品的销售分类效率。(本文来源于《热带农业工程》期刊2019年01期）
罗勇胜[2]（2016）在《基于小波域局部能量最大化的农产品图像滤波算法》一文中研究指出提出一种农产品图像自适应滤波方法。首先,对原始图像进行单层小波分解,对于得到的背景图像采用直方图均衡化算法进行灰度拉伸处理,对于得到的细节图像采用一种基于局部图像块的改进加权均值滤波算法进行去噪,分别将处理后的背景、细节图像进行逆小波变换得到去噪图像,记为图像1。其次,对原始图像进行经典均值滤波,将滤波后图像记为图像2。最后,将图像1和图像2划分成规则尺寸的图像块,对2幅图像中处于相对应位置的图像块按照局部能量最大化原则进行融合。结果表明,该算法对于农产品图像的处理效果优于小波阈值去噪和均值滤波算法。(本文来源于《江苏农业科学》期刊2016年05期）
陈绫钢,吕靖芳[3]（2016）在《高光谱图像技术在农产品监测中的应用进展》一文中研究指出我国是一个历史悠久的农业大国,健全当前的发展模式,对于我国农业全面发展具有重要的意义。高光谱图像技术主要通过各种扫描方式来收集信息,高光谱图像数据分析对结果进行分析与反馈,给出准确结果,这样大幅提高农产品的监测效率,促进产业结构的转型。(本文来源于《北京农业》期刊2016年01期）
刘洋,杜诚[4]（2015）在《基于DWT-NLM模型的农产品图像处理算法》一文中研究指出提出了一种基于离散小波变换(DWT)和非局部均值滤波(NLM)的农产品图像处理算法。首先对图像进行3层DWT,在变换域中对高频小波系数进行改进小波阈值模型去噪,对原始低频小波系数与去噪后的高频小波系数分别进行重构,得到背景图像和细节图像;再对细节图像进行区域划分,对每个图像区域分别采用NLM算法进行去噪;最后将背景图像和去噪后的细节图像进行迭加处理,得到去噪后农产品图像。引入边缘保持指数(edge protection index,EPI)、均方误差(mean square error,MSE)对试验结果进行评价,结果表明,本研究算法对该类图像的处理取得了较好的效果,且对NLM、小波阈值去噪等算法而言优势较明显。(本文来源于《江苏农业科学》期刊2015年08期）
张凡[5]（2015）在《1种农产品图像混合滤波算法的应用》一文中研究指出针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。(本文来源于《江苏农业科学》期刊2015年05期）
冯俊杰,胡明哲[6]（2015）在《1种农产品图像二维多级中值滤波改进算法》一文中研究指出农产品图像在采集过程中由于拍摄系统电压不稳定、成像环境的复杂性等因素导致获取的图像中存在一些颗粒噪声点,这些噪声点存在极大模糊了图像中果实复杂的边缘信息。针对该类图像,在对二维多级中值滤波算法(two-dimensional multi-stage median filtering)原理深入分析的基础上,结合农产品图像的特点,提出了一种改进二维多级中值滤波算法(improved two-dimensional multi-stage median filtering)。该算法首先提出一种新型噪声自适应检测方法对图像中的噪声进行检测和标记;然后对检测出的噪声点分别采用8个多方向滤波模板进行处理;最后对8个模板的滤波结果在进行适当取舍的基础上分别进行基于像素点间几何距离的加权滤波,以获得清晰度较高的图像。理论分析和试验结果表明,改进的二维多级中值滤波算法对于农产品图像处理效果优于中值滤波算法、二维多级中值滤波算法、已有的改进二维多级中值滤波算法。(本文来源于《江苏农业科学》期刊2015年05期）
陆广地[7]（2015）在《基于改进数学形态学滤波的农产品图像处理》一文中研究指出提出了一种针对农产品图像的改进数学形态学滤波算法(improved mathematical morphology filtering algorithm,IMMFA)。该算法首先在充分结合数学形态学开启-闭合,闭合-开启滤波器特点的基础上,引入了图像加权融合机制,构建了一种新型基于加权融合的数学形态学滤波器。然后,针对噪声的随机特性,设计出3类不同尺度的"棱形"结构元素,以实现对噪声的多尺度梯次滤波。最后,引入噪声判别机制融入了图像灰度值因素,通过对图像中噪声强度进行判别,根据判别结果来自适应选择参与滤波的数学形态学结构元素尺寸并对滤波后图像采用自适应同态滤波进行对比度增强处理,一方面在有效滤除噪声的同时尽量保持图像边缘的连续性,另一方面避免图像被"过滤波",提高滤波后图像视觉效果。理论和试验分析结果表明,该算法的性能较优,这说明这一改进思路对于农产品图像的处理具有一定的效果。(本文来源于《江苏农业科学》期刊2015年01期）
陈光[8]（2014）在《农产品检测图像智能化预处理方法研究》一文中研究指出近些年来,智能化技术取得了快速的发展与进步,被广泛应用于多个领域和行业中,受到了全球性的高度关注。如今,我国农农产品检测中,也引进了智能化预处理方法,其主要是通过高质量检测图像的识别方法来对农产品质量等方面进行检测,并且,这种智能化预处理方法会进行多次的脊波转变,从而获取高频的分解系数,并选择合适的计算方法,以此来获得农产品准确的检测信息。因此,笔者结合了多年的工作经验,针对农产品检测图像智能化预处理方法进行深入的研究讨论,得出以相关结论,以供参考。(本文来源于《黑龙江科技信息》期刊2014年27期）
卫娟,孙冬[9]（2014）在《基于提升小波变换的农产品图像有效处理方法》一文中研究指出提出了1种基于提升小波变换的有效滤波算法。该算法对含有噪声的农产品图像实现单层提升小波分解,然后对获得的低频和高频分解系数再次实现提升小波变换,舍弃由低频系数经过第二层提升小波变换后获得的低频系数以及由高频系数经过第二层提升小波变换后获得的高频系数;对剩余的高频和低频系数分别采用改进阈值函数模型以及改进非局部均值滤波算法进行处理,在此基础上实现小波系数重构。引入直方图均衡化算法进行处理,使得滤波后的农产品图像不但噪声得到抑制而且图像对比度得以提升。试验结果表明,该算法性能优于已有的小波域阈值法以及改进非局部均值滤波算法。(本文来源于《江苏农业科学》期刊2014年06期）
成敦杰[10]（2014）在《农产品检测图像智能化预处理方法研究》一文中研究指出目前对农产品图像的智能化检测主要是通过对获得的高质量检测图像进行人工识别的方法进行,但由于农产品检测图像在获取过程中受到气候、图像传输解码等软硬件因素的影响,通常获取的检测图像基本上是降质图像。因此,提出了一种基于脊波变换的农产品检测图像智能化预处理方法。该方法首先对降质图像进行多尺度脊波变换,以获得低频和高频分解系数;其次对低频分解系数采用自适应同态滤波方法进行处理;然后针对高频系数中收到噪声污染的情形,引入一个阈值T,将所有高频系数幅与其比较,小于该阈值则认为是受到噪声的污染,进行中值滤波处理,其余系数则采用局部直方图均衡化算法进行动态范围的改善;最后进行分解系数的重构。仿真试验结果表明,该算法计算复杂度低,且性能优于中值滤波算法和直方图均衡化算法,对于该类图像的预处理能取得不错的效果。(本文来源于《江苏农业科学》期刊2014年06期）
农产品图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
提出一种农产品图像自适应滤波方法。首先,对原始图像进行单层小波分解,对于得到的背景图像采用直方图均衡化算法进行灰度拉伸处理,对于得到的细节图像采用一种基于局部图像块的改进加权均值滤波算法进行去噪,分别将处理后的背景、细节图像进行逆小波变换得到去噪图像,记为图像1。其次,对原始图像进行经典均值滤波,将滤波后图像记为图像2。最后,将图像1和图像2划分成规则尺寸的图像块,对2幅图像中处于相对应位置的图像块按照局部能量最大化原则进行融合。结果表明,该算法对于农产品图像的处理效果优于小波阈值去噪和均值滤波算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
农产品图像论文参考文献
[1].肖付才,靳雯雯.数字图像边缘检测算法及在农产品检测中的运用[J].热带农业工程.2019
[2].罗勇胜.基于小波域局部能量最大化的农产品图像滤波算法[J].江苏农业科学.2016
[3].陈绫钢,吕靖芳.高光谱图像技术在农产品监测中的应用进展[J].北京农业.2016
[4].刘洋,杜诚.基于DWT-NLM模型的农产品图像处理算法[J].江苏农业科学.2015
[5].张凡.1种农产品图像混合滤波算法的应用[J].江苏农业科学.2015
[6].冯俊杰,胡明哲.1种农产品图像二维多级中值滤波改进算法[J].江苏农业科学.2015
[7].陆广地.基于改进数学形态学滤波的农产品图像处理[J].江苏农业科学.2015
[8].陈光.农产品检测图像智能化预处理方法研究[J].黑龙江科技信息.2014
[9].卫娟,孙冬.基于提升小波变换的农产品图像有效处理方法[J].江苏农业科学.2014
[10].成敦杰.农产品检测图像智能化预处理方法研究[J].江苏农业科学.2014
标签：数字图像边缘检测算法; 灰度图像; 经典算子; 水果分级;