船舶焊缝图像缺陷识别系统研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·引言 | 第9-10页 |
| ·课题研究的目的及意义 | 第10-11页 |
| ·国内外研究现状 | 第11-13页 |
| ·本文研究的内容和结构 | 第13-16页 |
| 第2章 系统方案设计 | 第16-22页 |
| ·系统的设计思路 | 第16-17页 |
| ·系统的工作原理 | 第17页 |
| ·系统的硬件结构和软件流程 | 第17-21页 |
| ·系统的硬件结构 | 第17-19页 |
| ·系统的软件流程 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 焊缝图像处理算法研究 | 第22-38页 |
| ·图像预处理 | 第22-26页 |
| ·缺陷图像平滑 | 第22-24页 |
| ·缺陷图像增强 | 第24-26页 |
| ·焊缝缺陷提取 | 第26-33页 |
| ·焊缝背景去除 | 第26-28页 |
| ·图像分割 | 第28-31页 |
| ·边缘检测 | 第31-33页 |
| ·焊缝缺陷分类 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第4章 焊缝图像缺陷特征提取 | 第38-47页 |
| ·常用的图像特征 | 第38-39页 |
| ·缺陷的不变矩特征参数 | 第39-41页 |
| ·图像的不变矩 | 第39-41页 |
| ·矩的物理意义 | 第41页 |
| ·不变矩的形状特征表达式 | 第41页 |
| ·计算不变矩特征值 | 第41-44页 |
| ·提取缺陷图像Hu不变矩 | 第42-43页 |
| ·Hu不变矩对噪声适应性的讨论 | 第43-44页 |
| ·缺陷的形状特征参数 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第5章 焊缝缺陷识别的神经网络方法研究 | 第47-64页 |
| ·人工神经网络识别 | 第47-51页 |
| ·神经网络结构 | 第47-48页 |
| ·BP神经网络算法描述 | 第48-50页 |
| ·BP神经网络分类器原理 | 第50-51页 |
| ·BP神经网络的设计与分类试验 | 第51-56页 |
| ·BP神经网络改进算法模型的确定 | 第51-52页 |
| ·BP神经网络激活函数的确定 | 第52页 |
| ·初始权值的选择 | 第52页 |
| ·参数的归一化 | 第52-53页 |
| ·网络的设计与实验 | 第53-56页 |
| ·焊缝缺陷等级评定 | 第56-60页 |
| ·焊缝检测信息数据管理模块 | 第60-63页 |
| ·开发设计依据 | 第61页 |
| ·应用范围及实现功能 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 船舶焊缝缺陷图像识别系统 | 第64-70页 |
| ·焊缝图像缺陷识别系统介绍 | 第64-65页 |
| ·焊缝图像缺陷识别系统实例分析 | 第65-69页 |
| ·图像采集与管理 | 第65-66页 |
| ·图像处理模块 | 第66-67页 |
| ·缺陷识别与等级评定模块 | 第67-69页 |
| ·本章小结 | 第69-70页 |
| 第7章 总结和展望 | 第70-72页 |
| ·本文所作的主要工作 | 第70页 |
| ·后续的研究和建议 | 第70-72页 |
| 参考文献 | 第72-75页 |
| 致谢 | 第75-76页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第76页 |
