| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 研究背景及意义 | 第9-16页 |
| 1.1 课题背景和意义 | 第9-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文研究目标和内容 | 第14-16页 |
| 第二章 电路板的测试方法 | 第16-23页 |
| 2.1 电路板测试方法的介绍 | 第16-17页 |
| 2.1.1 电路板的测试原理 | 第16页 |
| 2.1.2 电路板测试方法介绍 | 第16-17页 |
| 2.2 基于红外图像和Labview的电路板故障测试方法 | 第17-23页 |
| 2.2.1 红外图像配准 | 第18-19页 |
| 2.2.2 红外图像故障区域的分割 | 第19-20页 |
| 2.2.3 虚拟仪器（Visual Instrument,VI)技术 | 第20页 |
| 2.2.4 本文方法的总体设计 | 第20-23页 |
| 第三章 红外电路板图像的配准 | 第23-34页 |
| 3.1 图像配准原理 | 第23页 |
| 3.2 图像配准的基本内容 | 第23-24页 |
| 3.3 基于遗传算法的红外图像配准方法 | 第24-34页 |
| 3.3.1 遗传算法（Genetic Algorithm） | 第25-26页 |
| 3.3.2 遗传算法的流程 | 第26-27页 |
| 3.3.3 基于多参数分段变异遗传算法的电路板红外图像配准算法 | 第27-34页 |
| 第四章 电路板红外图像芯片区域的分割方法 | 第34-49页 |
| 4.1 红外图像目标识别技术 | 第34页 |
| 4.2 脉冲耦合神经网络 | 第34-37页 |
| 4.2.1 脉冲耦合神经网络的原理 | 第34-36页 |
| 4.2.2 PCNN在红外图像分割中的应用 | 第36-37页 |
| 4.3 图像分割的方法 | 第37-39页 |
| 4.4 基于区间参数优化的红外图像分割方法 | 第39-49页 |
| 4.4.1 阈值区间的构成 | 第40-41页 |
| 4.4.1.1 平均阈值 | 第40页 |
| 4.4.1.2 Ostu阈值 | 第40-41页 |
| 4.4.2 最小交叉熵 | 第41-42页 |
| 4.4.3 阈值区间内的最优VE | 第42-44页 |
| 4.4.4 区间内线性搜索震荡系数 | 第44-45页 |
| 4.4.5 结果分析 | 第45-49页 |
| 第五章 电路板故障测试系统 | 第49-61页 |
| 5.1 测试系统的硬件设计 | 第49-51页 |
| 5.2 基于Labview的测试软件架构 | 第51-57页 |
| 5.2.1 虚拟仪器实现的数据流 | 第52页 |
| 5.2.2 Labview软件系统主界面的设计 | 第52-53页 |
| 5.2.3 测试系统的Labview子模块 | 第53-57页 |
| 5.2.3.1 串口配置模块 | 第53-54页 |
| 5.2.3.2 电阻读取模块 | 第54-55页 |
| 5.2.3.3 温控机 | 第55-56页 |
| 5.2.3.4 测试报表模块 | 第56-57页 |
| 5.3 雷达发射机射频端功率放大器 | 第57-58页 |
| 5.4 测试需求和故障树的建立 | 第58-59页 |
| 5.5 雷达天线功率放大器故障测试结果 | 第59-61页 |
| 第六章 结论与展望 | 第61-63页 |
| 6.1 结论 | 第61页 |
| 6.2 展望 | 第61-63页 |
| 致谢 | 第63-64页 |
| 读研期间的科研成果 | 第64-65页 |
| 参考文献 | 第65-68页 |
