| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 1 绪论 | 第11-20页 |
| 1.1 课题研究背景与意义 | 第11-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 定量金相分析系统的研究现状 | 第13-14页 |
| 1.2.2 金相图像晶界提取算法的研究现状 | 第14-17页 |
| 1.3 目前存在的问题 | 第17-18页 |
| 1.4 论文研究的主要内容及章节安排 | 第18-19页 |
| 1.4.1 论文研究的主要内容 | 第18页 |
| 1.4.2 论文的章节安排 | 第18-19页 |
| 课题来源 | 第19-20页 |
| 2 钢材金相图像获取及预处理算法研究 | 第20-35页 |
| 2.1 钢材金相试样的制备 | 第20-21页 |
| 2.2 钢材金相图像的获取 | 第21-23页 |
| 2.3 钢材金相图像的亮度变换 | 第23-28页 |
| 2.3.1 钢材金相灰度图像自适应直方图均衡化 | 第23-26页 |
| 2.3.2 钢材金相彩色图像自适应直方图均衡化 | 第26-28页 |
| 2.4 钢材金相图像的滤波处理 | 第28-34页 |
| 2.4.1 钢材金相图像的空间域滤波处理 | 第29-30页 |
| 2.4.2 钢材金相图像的频率域滤波处理 | 第30-32页 |
| 2.4.3 钢材金相图像的双边滤波处理 | 第32-34页 |
| 2.5 本章小结 | 第34-35页 |
| 3 基于参数自适应Mean Shift的钢材金相图像晶粒分割算法研究 | 第35-48页 |
| 3.1 相关算法原理简介 | 第35-38页 |
| 3.1.1 分水岭算法 | 第35-37页 |
| 3.1.2 Mean Shift理论 | 第37-38页 |
| 3.2 基于标记分水岭的钢材金相图像预分割算法 | 第38-41页 |
| 3.2.1 标记分水岭算法原理 | 第38-40页 |
| 3.2.2 钢材金相图像预分割 | 第40-41页 |
| 3.3 基于参数自适应Mean Shift的钢材金相图像晶粒分割算法 | 第41-44页 |
| 3.4 实验与分析 | 第44-47页 |
| 3.4.1 金相图像晶界提取对比实验 | 第44-45页 |
| 3.4.2 金相图像晶界提取算法性能分析 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 4 基于结构化随机森林的钢材金相图像晶界提取算法研究 | 第48-57页 |
| 4.1 随机森林 | 第48-49页 |
| 4.2 结构化随机森林 | 第49-52页 |
| 4.3 钢材金相图像晶界提取 | 第52-54页 |
| 4.4 实验与分析 | 第54-56页 |
| 4.5 本章小结 | 第56-57页 |
| 5 智能评级软件的设计 | 第57-69页 |
| 5.1 面向对象的程序设计方法 | 第57-58页 |
| 5.2 软件设计的基本思路 | 第58-59页 |
| 5.3 编程环境 | 第59-60页 |
| 5.4 软件的设计与实现 | 第60-65页 |
| 5.5 实验与分析 | 第65-68页 |
| 5.5.1 显微标尺设定 | 第65-66页 |
| 5.5.2 金相显微镜与软件联调 | 第66-67页 |
| 5.5.3 钢材晶粒度测量实验与分析 | 第67-68页 |
| 5.6 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 论文总结 | 第69-70页 |
| 6.2 论文展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 致谢 | 第76-77页 |
| 攻读硕士学位期间科研成果 | 第77页 |
