首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

坯布疵点在线检测的识别算法研究

摘要第1-5页
Abstract第5-9页
1. 绪论第9-14页
   ·课题来源、研究背景及意义第9-10页
     ·课题来源第9页
     ·课题研究背景及意义第9-10页
   ·国内外织物疵点检测研究成果第10-12页
     ·国内外织物疵点特征提取算法研究成果第10-11页
     ·国内外织物疵点识别算法研究成果第11-12页
   ·本文主要研究内容和关键问题第12-13页
   ·本文主要工作第13-14页
2. 坯布疵点评定标准与系统概述第14-19页
   ·坯布疵点评定标准第14-16页
     ·分类规定第14-15页
     ·布面疵点的检验第15页
     ·布面疵点的计量第15页
     ·疵点评分的说明第15-16页
     ·经纬纱的细度、密度及紧度第16页
   ·检测系统概述第16-18页
     ·坯布疵点识别原理第16-17页
     ·软件系统概述及机器视觉检测过程第17-18页
   ·本章小结第18-19页
3. 坯布图像预处理及特征提取第19-37页
   ·图像预处理第19-23页
     ·灰度图像的对比度增强第19-20页
     ·图像的平滑处理第20-22页
     ·纹理分割第22-23页
   ·坯布图像特征值分析与选取第23-34页
     ·结构直方波第23-25页
     ·小波变换第25-27页
     ·数学形态学第27-29页
     ·特征参数分析第29-34页
   ·特征值应用与实现第34-36页
   ·本章小结第36-37页
4. 坯布疵点识别与分类第37-49页
   ·模式识别方法第37-38页
   ·分类器设计第38-44页
     ·人工神经网络基本理论第38-39页
     ·神经网络模型的构建第39-42页
     ·BP 算法的改进技术第42-44页
     ·改进BP 算法流程与步骤第44页
   ·算法应用与识别分类的实现第44-48页
   ·本章小结第48-49页
5. 总结与展望第49-51页
   ·总结第49页
   ·展望第49-51页
参考文献第51-55页
附录一:常见坯布疵点种类第55-56页
附录二:攻读硕士学位期间发表的论文第56-57页
致谢第57-58页

论文共58页,点击 下载论文
上一篇:图像分割以及识别技术在帘子布疵点检测中的应用
下一篇:数字仪表识别系统的研究和设计——PTWUNIDOS放疗剂量计自动识别系统