| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 1 绪论 | 第9-15页 |
| ·课题意义、来源及其发展前景 | 第9-11页 |
| ·板形识别国内外研究现状 | 第11-13页 |
| ·论文的主要研究内容、系统设计思路和各章安排 | 第13-15页 |
| 2 图像处理及板形识别的理论基础 | 第15-26页 |
| ·数字图像处理技术概述 | 第15-18页 |
| ·数字图像处理技术的发展历程 | 第15-16页 |
| ·数字图像处理技术应用 | 第16-17页 |
| ·数字图像处理方法及内容 | 第17-18页 |
| ·计算机图像的采集与数学表达 | 第18-20页 |
| ·有关板形的基本知识 | 第20-26页 |
| ·板形的基本概念 | 第20-21页 |
| ·生产中常见的几种板形缺陷 | 第21-23页 |
| ·板形的数学描述 | 第23-26页 |
| 3 图像预处理方法及分析研究 | 第26-35页 |
| ·灰度图和灰度直方图及其均衡化 | 第26-31页 |
| ·图像滤波去噪 | 第31-34页 |
| ·中值滤波法 | 第31-32页 |
| ·邻域平均法 | 第32-33页 |
| ·梯度倒数加权法 | 第33-34页 |
| ·板形缺陷滤波方法实验及其分析 | 第34-35页 |
| 4 图像边缘检测 | 第35-60页 |
| ·一阶边缘检测算子 | 第35-38页 |
| ·二阶边缘检测算子 | 第38-41页 |
| ·CANNY 边缘检测算法 | 第41-43页 |
| ·基于小波域相邻尺度的多尺度边缘检测算法 | 第43-60页 |
| ·多分辨分析（MRA） | 第43-45页 |
| ·二维小波基本变换 | 第45页 |
| ·静态小波变换(stationary wavelet transform SWT) | 第45-51页 |
| ·小波滤波模型与噪声估计 | 第51-52页 |
| ·多尺度边缘提取 | 第52-60页 |
| 5 板形识别 | 第60-71页 |
| ·特征抽取 | 第60-61页 |
| ·板形缺陷模式识别 | 第61-63页 |
| ·神经网络原理 | 第61-62页 |
| ·BP 神经网络的设计 | 第62-63页 |
| ·BP 神经网络训练及应用于板形识别的结果 | 第63-71页 |
| ·BP 神经网络网络学习训练 | 第63-68页 |
| ·神经网络应用板形识别结果 | 第68-71页 |
| 6 板形识别系统的原理、组成及实现 | 第71-81页 |
| ·板形识别系统设计 | 第71-78页 |
| ·系统硬件结构组成及说明 | 第71-77页 |
| ·板形识别系统的图像处理过程 | 第77-78页 |
| ·板形识别系统的实现 | 第78-81页 |
| ·系统界面设计 | 第78-79页 |
| ·实验结果展示 | 第79-81页 |
| 7 结论与展望 | 第81-83页 |
| 致谢 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 附录 | 第88-90页 |