基于图像融合处理的钢炉测厚系统的研究
| 第一章 绪论 | 第1-11页 |
| ·概述 | 第7-8页 |
| ·国内外对激光检测的研究 | 第8-9页 |
| ·数据融合的发展及研究现状 | 第9页 |
| ·火焰图像处理用于工业检测的研究 | 第9-10页 |
| ·论文研究的背景及主要内容 | 第10-11页 |
| 第二章 系统的构成及设计 | 第11-14页 |
| ·系统的组成原理 | 第11页 |
| ·激光测厚系统的组成及测厚原理 | 第11-13页 |
| ·图像处理系统的软件设计 | 第13-14页 |
| 第三章 几种常用的图像融合的方法 | 第14-38页 |
| ·图像融合的概念、意义及融合原则 | 第14-15页 |
| ·图像融合的层次 | 第15-17页 |
| ·简单图像的融合方法 | 第17-20页 |
| ·基于拉普拉斯塔形分解的图像融合方法 | 第20-25页 |
| ·基于比率塔形分解的图像融合方法 | 第25-26页 |
| ·基于对比度塔形分解的图像融合方法 | 第26-28页 |
| ·基于梯度塔形分解的图像融合方法 | 第28-30页 |
| ·基于小波变换的图像融合方法 | 第30-36页 |
| ·小波变换的定义 | 第30-31页 |
| ·Mallat算法 | 第31-33页 |
| ·基于小波分解的图像融合 | 第33-36页 |
| ·图像融合方法的比较与评价 | 第36-38页 |
| 第四章 基于神经网络分类的图像融合方法的研究 | 第38-60页 |
| ·神经网络简介 | 第38页 |
| ·神经网络的结构及类型 | 第38-40页 |
| ·BP神经网络 | 第40-46页 |
| ·BP神经网络的基本结构 | 第40-41页 |
| ·BP神经网络的学习方法 | 第41-46页 |
| ·基于BP神经网络分类的图像融合方法 | 第46-60页 |
| ·图像的预处理 | 第47-49页 |
| ·基于BP神经网络的图像分类 | 第49-55页 |
| ·图像分类后的融合处理 | 第55-58页 |
| ·实验结果及分析 | 第58-60页 |
| 第五章 基于图像处理钢炉测厚的研究 | 第60-73页 |
| ·图像的灰度增强 | 第61-63页 |
| ·图像的二值化 | 第63-64页 |
| ·图像的锐化 | 第64-65页 |
| ·图像火焰的边缘检测 | 第65-68页 |
| ·火焰的轮廓提取 | 第68-71页 |
| ·炉壁的测厚 | 第71-73页 |
| ·炉壁的测厚算法原理 | 第71页 |
| ·测理算法及VC++的实现 | 第71-73页 |
| 第六章 总结与改进 | 第73-74页 |
| 参考文献 | 第74-77页 |
| 作者在硕士期间发表的学术论文 | 第77-78页 |
| 致谢 | 第78页 |
