信息融合方法在枪弹外观检测中的应用研究
摘要 | 第1-5页 |
Abstract | 第5-9页 |
1 绪论 | 第9-17页 |
·研究背景及意义 | 第9-10页 |
·国内外研究现状 | 第10-13页 |
·信息融合技术的研究现状 | 第10-11页 |
·外观检测技术的研究现状 | 第11-13页 |
·论文的研究路线 | 第13-14页 |
·论文的主要研究内容 | 第14-15页 |
·论文的组织架构 | 第15-17页 |
2 图像特征提取 | 第17-39页 |
·数字图像技术基础 | 第17-18页 |
·图像采集方法 | 第18-20页 |
·图像预处理 | 第20-25页 |
·主要的预处理方法介绍 | 第20-22页 |
·枪弹图像的预处理 | 第22-25页 |
·枪弹的视觉特征分析 | 第25-26页 |
·枪弹的表面划痕特征 | 第25页 |
·枪弹的表面锈斑特征 | 第25-26页 |
·图像分割 | 第26-31页 |
·图像分割方法对比 | 第27-29页 |
·枪弹图像分割 | 第29-31页 |
·枪弹的图像特征提取 | 第31-38页 |
·全局特征 | 第33-34页 |
·局部特征 | 第34-38页 |
·本章小结 | 第38-39页 |
3 其他特征提取 | 第39-43页 |
·尺寸特征提取 | 第39-40页 |
·重量特征提取 | 第40页 |
·光泽特征提取 | 第40-41页 |
·本章小结 | 第41-43页 |
4 数据级融合 | 第43-53页 |
·数值预处理 | 第43-45页 |
·数据的属性约简 | 第45-51页 |
·常见的属性约简方法 | 第45-50页 |
·枪弹属性的约简效果 | 第50-51页 |
·本章小结 | 第51-53页 |
5 决策级融合 | 第53-63页 |
·主要融合方法介绍 | 第53-54页 |
·分类算法对比 | 第54-59页 |
·BP 神经网络 | 第55-56页 |
·支持向量机 | 第56-59页 |
·一种改进的支持向量机方法 | 第59-60页 |
·本章小结 | 第60-63页 |
6 总结与展望 | 第63-65页 |
·总结 | 第63页 |
·展望 | 第63-65页 |
致谢 | 第65-67页 |
参考文献 | 第67-71页 |
个人简历、在学期间发表的学术论文及取得的研究成果 | 第71页 |