| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·研究目的及意义 | 第9-10页 |
| ·计算机视觉技术发展现状 | 第10-11页 |
| ·基于图像处理的木材缺陷检测技术的研究及发展现状 | 第11-13页 |
| ·板材和原木缺陷检测技术研究及发展现状 | 第11-12页 |
| ·单板缺陷检测技术研究及发展现状 | 第12-13页 |
| ·人工神经网络技术的发展现状 | 第13-14页 |
| ·论文的结构安排 | 第14-16页 |
| 2 单板表面图像的缺陷检测系统设计 | 第16-21页 |
| ·实验样本的选取 | 第16页 |
| ·系统硬件部分设计 | 第16-19页 |
| ·照明系统设计 | 第17-18页 |
| ·图像采集系统设计 | 第18-19页 |
| ·系统软件部分设计 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 3 本文所涉及的理论基础知识 | 第21-39页 |
| ·数学形态学 | 第21-29页 |
| ·二值形态学 | 第22-27页 |
| ·灰度形态学 | 第27-29页 |
| ·K-均值聚类算法 | 第29-32页 |
| ·聚类分析与聚类算法 | 第29-31页 |
| ·聚类算法相似度量 | 第31页 |
| ·K-均值理论 | 第31-32页 |
| ·BP神经网络 | 第32-38页 |
| ·BP神经网络的原理及方法 | 第32-34页 |
| ·BP神经网络结构及其算法 | 第34-38页 |
| ·本章小结 | 第38-39页 |
| 4 基于形态学的单板彩色图像缺陷分割研究 | 第39-59页 |
| ·图像分割的基本方法 | 第39-41页 |
| ·颜色空间 | 第41-44页 |
| ·颜色空间的选择 | 第41页 |
| ·RGB模型与HSI模型之间的转换 | 第41-44页 |
| ·彩色图像边缘检测的一般方法 | 第44-45页 |
| ·基于形态学HSI分量算法的单板缺陷检测 | 第45-55页 |
| ·形态学滤波处理 | 第46-50页 |
| ·HSI三分量独立处理 | 第50页 |
| ·处理结果与分析 | 第50-55页 |
| ·基于K-均值聚类算法的单板HSI彩色空间图像缺陷检测 | 第55-58页 |
| ·算法的具体步骤 | 第55-56页 |
| ·实验结果及分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 5 单板缺陷图像分类系统设计 | 第59-65页 |
| ·单板缺陷图像特征提取 | 第59-60页 |
| ·基于BP神经网络的单板缺陷识别 | 第60-64页 |
| ·BP神经网络的设计 | 第60-62页 |
| ·BP神经网络训练及仿真 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70-71页 |