| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-18页 |
| ·课题的研究背景和意义 | 第8-9页 |
| ·课题的研究背景 | 第8页 |
| ·课题的研究意义 | 第8-9页 |
| ·木材表面缺陷检测的研究现状及发展趋势 | 第9-12页 |
| ·木材缺陷的常用检测方法 | 第9-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·木材检测技术的发展与展望 | 第11-12页 |
| ·木材表面缺陷特征及存在形式 | 第12-15页 |
| ·木材缺陷种类 | 第12-15页 |
| ·木材缺陷对木材质量的影响 | 第15页 |
| ·课题的主要研究内容和创新 | 第15-18页 |
| 第二章 木材表面缺陷图像的增强预处理 | 第18-34页 |
| ·图像增强概述 | 第18-19页 |
| ·木材缺陷图像灰度变换 | 第19-23页 |
| ·木材缺陷图像灰度化处理 | 第19-20页 |
| ·木材缺陷图像灰度变换 | 第20-23页 |
| ·木材缺陷图像平滑 | 第23-28页 |
| ·邻域平滑 | 第23页 |
| ·中值滤波 | 第23-24页 |
| ·加权有向平滑滤波 | 第24-28页 |
| ·图像锐化 | 第28-32页 |
| ·微分算子 | 第29-30页 |
| ·Sobel算子 | 第30-31页 |
| ·拉普拉斯算子 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第三章 图像分割 | 第34-48页 |
| ·基于区域的图像分割 | 第34-37页 |
| ·并行区域分割技术 | 第34-36页 |
| ·串行区域分割技术 | 第36-37页 |
| ·基于边缘的图像分割 | 第37-40页 |
| ·梯度算子 | 第38-39页 |
| ·Canny边缘检测算子 | 第39-40页 |
| ·几种边缘检测算子的比较 | 第40页 |
| ·结合特定理论工具的分割技术 | 第40-47页 |
| ·基于人工神经网络的分割技术 | 第41页 |
| ·基于小波分析和变换的分割技术 | 第41-44页 |
| ·基于数学形态学的分割技术 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第四章 特征提取 | 第48-61页 |
| ·纹理特征提取 | 第48-52页 |
| ·灰度共生矩阵 | 第48-50页 |
| ·Haralick特征 | 第50-52页 |
| ·色彩特征提取 | 第52-54页 |
| ·颜色直方图 | 第53-54页 |
| ·颜色矩 | 第54页 |
| ·主成分分析 | 第54-57页 |
| ·主成分分析的原理 | 第55-56页 |
| ·主成分分析的基本步骤 | 第56-57页 |
| ·基于主成分分析的算法实现 | 第57-59页 |
| ·基于主成分分析的降维算法 | 第57-58页 |
| ·基于主成分分析的降维结果 | 第58-59页 |
| ·本章小结 | 第59-61页 |
| 第五章 支持向量机的分类器设计 | 第61-70页 |
| ·分类器简介 | 第61页 |
| ·SVM算法原理 | 第61-64页 |
| ·核函数的选择 | 第64页 |
| ·基于SVM的识别结果 | 第64-68页 |
| ·基于纹理特征的木材缺陷图像识别 | 第65-66页 |
| ·基于主成分分析法的综合纹理特征和颜色特征的木材缺陷图像识别 | 第66-67页 |
| ·三类木材缺陷识别结果 | 第67-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 总结与展望 | 第70-72页 |
| ·总结 | 第70页 |
| ·展望 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 详细摘要 | 第76-78页 |
| Abstract | 第78-79页 |