基于分形理论木材表面缺陷识别的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 1 绪论 | 第7-11页 |
| 1．1 木材表面缺陷检测技术研究现状及发展趋势 | 第7-9页 |
| 1．2 数字图像处理技术的发展及应用 | 第9-10页 |
| 1．3 课题研究的意义 | 第10页 |
| 1．4 本文完成的工作 | 第10-11页 |
| 2 基于分形理论的数字图像纹理分割技术 | 第11-25页 |
| 2．1 数字图像分割方法 | 第11-13页 |
| 2．2 Mandelbrot分形理论 | 第13-14页 |
| 2．2．1 分形的定义 | 第13页 |
| 2．2．2 分形维数 | 第13-14页 |
| 2．2．3 分形布朗运动的定义 | 第14页 |
| 2．3 基于DFBR场模型的图像纹理分割 | 第14-24页 |
| 2．3．1 分形参数H计算方法 | 第15-16页 |
| 2．3．2 木材表面缺陷图像分割 | 第16-21页 |
| 2．3．3 木材缺陷分割算法的改进 | 第21-24页 |
| 2．4 本章小结 | 第24-25页 |
| 3 模式识别与人工神经网络 | 第25-35页 |
| 3．1 模式识别概述 | 第25-27页 |
| 3．1．1 模式识别的基本概念 | 第25-26页 |
| 3．1．2 模式识别系统 | 第26-27页 |
| 3．2 人工神经网络 | 第27-29页 |
| 3．2．1 神经网络发展历史 | 第27页 |
| 3．2．2 人工神经网络模型 | 第27-28页 |
| 3．2．3 人工神经网络的基本特点 | 第28-29页 |
| 3．3 误差逆传播神经网络 | 第29-31页 |
| 3．3．1 BP神经元结构 | 第30-31页 |
| 3．3．2 BP神经网络的结构 | 第31页 |
| 3．4 BP神经网络学习算法 | 第31-34页 |
| 3．5 本章小结 | 第34-35页 |
| 4 木材表面缺陷的特征提取 | 第35-44页 |
| 4．1 特征提取原则 | 第35-36页 |
| 4．2 小波分形理论 | 第36-40页 |
| 4．2．1 小波多分辨率分析理论 | 第36-39页 |
| 4．2．2 自相关函数和分形维 | 第39-40页 |
| 4．3 木材表面缺陷的特征提取 | 第40-43页 |
| 4．4 本章小结 | 第43-44页 |
| 5 木材表面缺陷识别 | 第44-53页 |
| 5．1 MATLAB神经网络工具箱简介 | 第44-45页 |
| 5．2 木材缺陷识别的BP网络结构模型 | 第45-46页 |
| 5．3 BP网络的输入量及输出量的选择 | 第46页 |
| 5．4 BP网络隐层节点的选择 | 第46-47页 |
| 5．5 BP网络训练算法的选择 | 第47-49页 |
| 5．6 木材缺陷识别系统的网络性能评价 | 第49页 |
| 5．7 识别结果与讨论 | 第49-52页 |
| 5．8 本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-57页 |
| 攻读学位期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |
| 独创性声明 | 第59页 |
| 学位论文版权使用授权书 | 第59页 |
