基于计算机视觉的纸张性能的研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1. 绪论 | 第8-14页 |
| ·课题研究背景 | 第8-9页 |
| ·纸病检测概况 | 第8页 |
| ·纸张力学性能的检测概况 | 第8-9页 |
| ·研究目的及意义 | 第9-10页 |
| ·计算机视觉技术 | 第10-11页 |
| ·计算机视觉的特点及应用 | 第10页 |
| ·计算机视觉的构成及原理 | 第10-11页 |
| ·计算机视觉用于纸张检测的国内外研究现状 | 第11-12页 |
| ·论文主要研究内容及结构 | 第12-13页 |
| ·主要研究内容 | 第12-13页 |
| ·论文的组织结构 | 第13页 |
| ·本章小结 | 第13-14页 |
| 2. 简单外观纸病的检测 | 第14-26页 |
| ·纸张图像采集系统 | 第14页 |
| ·简单外观纸病 | 第14-15页 |
| ·纸张图像的预处理 | 第15-16页 |
| ·图像分割 | 第16-19页 |
| ·Otsu阈值选择方法 | 第16-17页 |
| ·迭代阈值法 | 第17-18页 |
| ·人工手动阈值法 | 第18-19页 |
| ·黑斑亮斑的检测 | 第19-22页 |
| ·褶皱检测 | 第22-23页 |
| ·实验结果 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 3. 纸张图像的特征提取 | 第26-43页 |
| ·纸张图像分析 | 第26-27页 |
| ·纹理特征 | 第27-28页 |
| ·局部二值模式(LBP) | 第28-35页 |
| ·基本的LBP | 第28-30页 |
| ·通用LBP的推导 | 第30-32页 |
| ·等价模式 | 第32-33页 |
| ·旋转不变的LBP算子 | 第33-34页 |
| ·旋转不变等价LBP | 第34-35页 |
| ·灰度梯度共生矩阵 | 第35-38页 |
| ·灰度、梯度归一化 | 第36-37页 |
| ·灰度梯度共生矩阵纹理参数的计算 | 第37-38页 |
| ·纸张图像纹理特征的提取 | 第38-42页 |
| ·本章小结 | 第42-43页 |
| 4. 纸张力学性能的研究 | 第43-77页 |
| ·BP神经网络 | 第43-50页 |
| ·BP算法的推导 | 第45-48页 |
| ·BP算法的步骤 | 第48-50页 |
| ·BP神经网络应用于纸张力学性能分类 | 第50-53页 |
| ·支持向量机 | 第53-60页 |
| ·最优分类超平面 | 第54-56页 |
| ·线性SVM | 第56-57页 |
| ·非线性SVM | 第57-60页 |
| ·支持向量机在纸张力学性能分类中的应用 | 第60-62页 |
| ·回归分析 | 第62-65页 |
| ·多元回归分析 | 第62-63页 |
| ·多元线性回归分析 | 第63-64页 |
| ·回归参数的最小二乘估计 | 第64-65页 |
| ·主成分分析 | 第65-67页 |
| ·基本原理 | 第66页 |
| ·主成分分析的步骤 | 第66-67页 |
| ·纸张力学性能的回归分析 | 第67-76页 |
| ·抗张性能回归分析 | 第67-69页 |
| ·耐破指数回归分析 | 第69-71页 |
| ·耐折度回归分析 | 第71-73页 |
| ·撕裂指数回归分析 | 第73-75页 |
| ·纸张力学性能回归分析结论 | 第75-76页 |
| ·本章小结 | 第76-77页 |
| 5. 结论与展望 | 第77-79页 |
| ·总结 | 第77-78页 |
| ·展望 | 第78-79页 |
| 参考文献 | 第79-84页 |
| 个人简介 | 第84-86页 |
| 导师简介 | 第86-88页 |
| 获得成果目录清单 | 第88-90页 |
| 致谢 | 第90-92页 |
| 附录 | 第92-114页 |
