| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题的背景和意义 | 第11页 |
| 1.1.1 课题的背景 | 第11页 |
| 1.1.2 课题的意义 | 第11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文主要研究内容与创新之处 | 第13-17页 |
| 1.3.1 本文的研究内容 | 第13-15页 |
| 1.3.2 本文的创新之处 | 第15-17页 |
| 第2章 钢板缺陷无损检测数据采集系统设计 | 第17-29页 |
| 2.1 系统的总体设计 | 第17-18页 |
| 2.2 钢板缺陷数据采集系统设计 | 第18-23页 |
| 2.2.1 采集模块设计 | 第19-20页 |
| 2.2.2 控制模块设计 | 第20-23页 |
| 2.3 系统的软件设计 | 第23-28页 |
| 2.3.1 控制程序设计 | 第23-25页 |
| 2.3.2 采集程序设计 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 一种基于定阈值维纳滤波与多小波基融合的图像去噪新方法 | 第29-45页 |
| 3.1 灰度图像生成 | 第29-34页 |
| 3.1.1 数据的预处理 | 第29-32页 |
| 3.1.2 灰度图像的生成 | 第32-34页 |
| 3.2 灰度图像的去噪方法的研究 | 第34-39页 |
| 3.2.1 图像的小波变换 | 第35页 |
| 3.2.2 图像的小波阈值去噪 | 第35-36页 |
| 3.2.3 小波域的定阈值维纳滤波方法 | 第36-37页 |
| 3.2.4 基于小波分析的融合算法 | 第37-38页 |
| 3.2.5 一种基于定阈值维纳滤波与多小波基融合的图像去噪新方法 | 第38-39页 |
| 3.3 图像去噪评价指标与结果对比 | 第39-44页 |
| 3.3.1 图像去噪评价指标 | 第39-40页 |
| 3.3.2 仿真结果对比 | 第40-44页 |
| 3.4 本章小结 | 第44-45页 |
| 第4章 一种基于小波多尺度配准和小波多尺度模极大值的边缘检测新方法 | 第45-65页 |
| 4.1 传统缺陷边缘检测方法 | 第45-48页 |
| 4.1.1 图像的边缘 | 第45页 |
| 4.1.2 传统的边缘检测方法 | 第45-48页 |
| 4.2 一种基于小波多尺度配准和小波多尺度模极大值的边缘检测新方法 | 第48-54页 |
| 4.3 边缘检测评价指标和结果对比 | 第54-59页 |
| 4.3.1 边缘检测评价指标 | 第54-56页 |
| 4.3.2 几种方法的结果对比 | 第56-59页 |
| 4.4 缺陷图像几何特征提取的方法研究 | 第59-64页 |
| 4.4.1 缺陷图像几何特征的定义 | 第59-60页 |
| 4.4.2 缺陷图像几何特征的测量和计算 | 第60-64页 |
| 4.5 本章小结 | 第64-65页 |
| 第5章 基于神经网络的缺陷识别方法研究 | 第65-77页 |
| 5.1 神经网络原理 | 第65-67页 |
| 5.2 缺陷辨识模型的建立和训练 | 第67-75页 |
| 5.2.1 缺陷辨识模型的建立 | 第67-71页 |
| 5.2.2 缺陷辨识模型的训练与分析 | 第71-75页 |
| 5.3 缺陷的识别 | 第75-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第6章 总结与展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-85页 |
| 攻读硕士期间科研情况 | 第85页 |
