基于Markov随机场的木材表面缺陷模式识别方法的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 1 绪论 | 第10-18页 |
| ·课题的研究背景及意义 | 第10-11页 |
| ·木材缺陷检测的研究现状 | 第11页 |
| ·数字图像处理技术概述 | 第11-12页 |
| ·马尔可夫随机场方法的研究现状 | 第12-13页 |
| ·课题的研究内容及技术路线 | 第13-18页 |
| 2 木材表面缺陷图像的传统分割方法 | 第18-30页 |
| ·木材表面缺陷图像的预处理 | 第18-21页 |
| ·图像去噪 | 第18-19页 |
| ·图像增强 | 第19-21页 |
| ·缺陷图像的传统分割方法 | 第21-25页 |
| ·木材表面缺陷图像的阈值分割 | 第22-23页 |
| ·木材表面缺陷图像的边缘检测 | 第23-25页 |
| ·木材表面缺陷图像分割后处理 | 第25-28页 |
| ·数学形态学原理 | 第25-26页 |
| ·形态学图像分割后处理 | 第26-28页 |
| ·本章小结 | 第28-30页 |
| 3 Markov随机场理论 | 第30-35页 |
| ·Markov随机场 | 第30-32页 |
| ·Markov过程 | 第30页 |
| ·Markov随机场模型 | 第30-32页 |
| ·Markov随机场和Gibbs分布的等价关系 | 第32-33页 |
| ·图像分割中的Markov模型 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 4 基于Markov随机场的木材表面缺陷图像分割 | 第35-60页 |
| ·基于Markov随机场的灰度图像分割 | 第35-37页 |
| ·能量函数的确立 | 第37-39页 |
| ·模型参数估计 | 第39-41页 |
| ·标记场参数估计 | 第39页 |
| ·有监督的观测场参数估计 | 第39-40页 |
| ·EM算法估计观测场参数 | 第40-41页 |
| ·基于Markov随机场的彩色图像分割 | 第41-43页 |
| ·模型的建立 | 第41-43页 |
| ·估计参数 | 第43页 |
| ·Markov随机场分割算法 | 第43-46页 |
| ·模拟退火算法 | 第43-45页 |
| ·Gibbs采样算法 | 第45-46页 |
| ·条件迭代算法 | 第46页 |
| ·实验结果与分析 | 第46-58页 |
| ·灰度图像分割 | 第46-50页 |
| ·灰度图像和彩色图像分割对比 | 第50-55页 |
| ·参数的影响 | 第55-57页 |
| ·初始标记场的影响 | 第57-58页 |
| ·本章小结 | 第58-60页 |
| 5 木材表面缺陷的类型识别 | 第60-75页 |
| ·图像识别概述 | 第60-61页 |
| ·图像识别系统 | 第60页 |
| ·图像识别的方法 | 第60-61页 |
| ·木材表面缺陷的特征提取 | 第61-64页 |
| ·GMRF模型的建立 | 第61-62页 |
| ·GMRF模型参数估计 | 第62-63页 |
| ·木材表面缺陷特征库的建立 | 第63-64页 |
| ·BP神经网络分类器设计 | 第64-74页 |
| ·BP神经网络 | 第64-67页 |
| ·BP神经网络分类器结构设计 | 第67-69页 |
| ·BP神经网络的训练算法 | 第69-71页 |
| ·基于BP网络的特征选择 | 第71-73页 |
| ·基于BP神经网络的木材表面缺陷识别 | 第73-74页 |
| ·本章小结 | 第74-75页 |
| 6 木材表面缺陷图像识别实验系统 | 第75-94页 |
| ·图形用户界面 | 第75页 |
| ·实验系统的设计与实现 | 第75-81页 |
| ·实验系统的功能分析 | 第75页 |
| ·实验系统界面设计 | 第75-78页 |
| ·编写回调函数 | 第78-81页 |
| ·实验系统操作说明 | 第81-93页 |
| ·文件菜单 | 第81-82页 |
| ·几何变换菜单 | 第82-83页 |
| ·图像增强菜单 | 第83-84页 |
| ·锐化菜单 | 第84-85页 |
| ·图像初分割菜单 | 第85-86页 |
| ·有监督图像分割菜单 | 第86-88页 |
| ·木材表面缺陷识别过程 | 第88-93页 |
| ·本章小结 | 第93-94页 |
| 结论 | 第94-95页 |
| 参考文献 | 第95-99页 |
| 攻读学位期间发表的学术论文 | 第99-100页 |
| 致谢 | 第100-101页 |
