纸病在线检测方法的研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 1 绪论 | 第11-18页 |
| ·课题背景及研究意义 | 第11-12页 |
| ·国内外研究动态及水平 | 第12-16页 |
| ·国外研究现状 | 第12-14页 |
| ·国内研究现状 | 第14-16页 |
| ·论文主要研究内容及结构安排 | 第16-18页 |
| ·主要研究内容 | 第16页 |
| ·章节安排 | 第16-18页 |
| 2 纸病检测系统总体概述 | 第18-27页 |
| ·纸病 | 第18页 |
| ·数字图像处理与识别 | 第18-19页 |
| ·数字图像处理 | 第18-19页 |
| ·数字图像分析 | 第19页 |
| ·数字图像识别 | 第19页 |
| ·像素邻域 | 第19-20页 |
| ·噪声 | 第20-22页 |
| ·图像的退化与恢复 | 第22-23页 |
| ·图像灰度处理 | 第23-24页 |
| ·图像的邻域操作 | 第24-25页 |
| ·纸病缺陷检测原理 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 3 纸病图像预处理算法 | 第27-42页 |
| ·传统的滤波方法 | 第27-29页 |
| ·均值滤波 | 第27-28页 |
| ·中值滤波 | 第28-29页 |
| ·邻域灰色关联特性算法原理及实现 | 第29-35页 |
| ·仿真结果与分析 | 第35-37页 |
| ·图像品质 | 第37-41页 |
| ·本章小结 | 第41-42页 |
| 4 BP 神经网络原理 | 第42-50页 |
| ·BP 网络结构 | 第42-43页 |
| ·BP 网络学习规则 | 第43-44页 |
| ·BP 网络的设计 | 第44页 |
| ·BP 网络的局限性 | 第44-45页 |
| ·改进 BP 网络 | 第45-46页 |
| ·BP 神经网络算法 | 第46-47页 |
| ·MATLAB 神经网络应用设计 | 第47-49页 |
| ·本章小结 | 第49-50页 |
| 5 改进的 BP 网络在纸病识别中的应用 | 第50-62页 |
| ·神经网络在纸病识别中的应用 | 第50页 |
| ·改进的 BP 网络的原理及实现 | 第50-52页 |
| ·BP 神经网络优缺点 | 第50页 |
| ·改进的BP算法 | 第50-52页 |
| ·改进的 BP 网络的结构设计 | 第52-53页 |
| ·输入层和输出层变量的设计 | 第52页 |
| ·数据归一化 | 第52-53页 |
| ·网络层数的确定 | 第53页 |
| ·隐层节点数的确定 | 第53页 |
| ·训练算法的选取 | 第53页 |
| ·学习速率、初始权值及允许误差的设置 | 第53页 |
| ·BP 网络的网络结构图 | 第53页 |
| ·测试与结果分析 | 第53-55页 |
| ·纸病在线检测和离线检测 | 第55-56页 |
| ·纸病检测软件系统设计与测试 | 第56-61页 |
| ·系统硬件 | 第56-58页 |
| ·系统界面部分设计 | 第58页 |
| ·系统调试 | 第58-59页 |
| ·检测结果分析 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-63页 |
| ·主要工作总结 | 第62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的学术论文目录 | 第68页 |
| 攻读学位期间参与的科研项目 | 第68-69页 |
