油液在线监测系统的图像处理技术研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题研究的背景和意义 | 第9-11页 |
| 1.2 油液监测技术国内外研究现状 | 第11-13页 |
| 1.3 滑油监测主要方法与原理介绍 | 第13-16页 |
| 1.3.1 离线监测方法 | 第13-14页 |
| 1.3.2 在线监测方法 | 第14-16页 |
| 1.4 本文的研究工作及意义 | 第16-18页 |
| 第二章 图像预处理操作 | 第18-34页 |
| 2.1 引言 | 第18页 |
| 2.2 油液在线监测系统简介 | 第18-19页 |
| 2.3 模糊图像的恢复 | 第19-27页 |
| 2.3.1 图像灰度化 | 第19-20页 |
| 2.3.2 建立模糊图像的退化模型 | 第20-21页 |
| 2.3.3 退化函数h ( x , y )的计算 | 第21-23页 |
| 2.3.4 模糊尺度的计算 | 第23-25页 |
| 2.3.5 基于维纳滤波的图像恢复 | 第25-27页 |
| 2.4 图像增强 | 第27-33页 |
| 2.4.1 灰度变换 | 第28-29页 |
| 2.4.2 对比度增强 | 第29页 |
| 2.4.3 空间域滤波 | 第29-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 图像分割 | 第34-43页 |
| 3.1 引言 | 第34页 |
| 3.2 图像分割的数学描述 | 第34-35页 |
| 3.3 磨粒分割算法 | 第35-39页 |
| 3.3.1 C-V模型 | 第35-38页 |
| 3.3.2 优化的变分水平集方法 | 第38-39页 |
| 3.4 分割后处理 | 第39-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 磨粒图像识别 | 第43-61页 |
| 4.1 引言 | 第43页 |
| 4.2 磨粒特征参数选择 | 第43-49页 |
| 4.2.1 磨粒分类 | 第43-44页 |
| 4.2.2 特征参数选取 | 第44-45页 |
| 4.2.3 特征参数的计算 | 第45-49页 |
| 4.3 基于支持向量机的分类模型 | 第49-56页 |
| 4.3.1 线性可分的最优分类面 | 第49-52页 |
| 4.3.2 线性不可分情况的最优分类平面 | 第52-54页 |
| 4.3.3 支持向量机 | 第54-56页 |
| 4.4 多元分类器的设计 | 第56-60页 |
| 4.4.1 原理介绍 | 第56页 |
| 4.4.2 核函数的选取 | 第56-57页 |
| 4.4.3 磨粒识别过程 | 第57-58页 |
| 4.4.4 与BP神经网络方法比较 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 结论 | 第61页 |
| 5.2 创新点 | 第61-62页 |
| 5.3 展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士学位期间发表的论文 | 第68页 |
