基于辐射图像颜色和神经网络的测温技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·课题的目的和意义 | 第9-10页 |
| ·国内外高温测量研究现状 | 第10-13页 |
| ·国外高温测量研究现状 | 第10-11页 |
| ·国内高温测量研究现状 | 第11-13页 |
| ·本文主要工作 | 第13-15页 |
| 第2章 基于颜色的高温测量原理 | 第15-20页 |
| ·物体的温度和对应的图像颜色之间的关系 | 第15-16页 |
| ·物体的颜色光和它的温度间的关系 | 第15页 |
| ·高温物体的颜色特征值 | 第15-16页 |
| ·彩色测温公式的推导比较 | 第16-19页 |
| ·辐射测温原理 | 第16-18页 |
| ·比色测温法 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第3章 图像的预处理 | 第20-36页 |
| ·颜色模型 | 第20-22页 |
| ·颜色的基本特性 | 第20-21页 |
| ·R,G,B模型 | 第21-22页 |
| ·图像采集 | 第22-25页 |
| ·图像分割 | 第25-28页 |
| ·阈值分割的原理 | 第25-26页 |
| ·阈值的选取 | 第26-28页 |
| ·图像的平滑处理 | 第28-34页 |
| ·邻域平均法 | 第28-30页 |
| ·中值滤波 | 第30-32页 |
| ·多图像的平均法 | 第32-33页 |
| ·频域低通滤波法 | 第33-34页 |
| ·图像处理的实现 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第4章 人工神经网络模型与算法 | 第36-52页 |
| ·人工神经网络的基本概念 | 第36-40页 |
| ·神经元模型 | 第36-37页 |
| ·神经网络的分类 | 第37-38页 |
| ·神经网络的学习方式 | 第38-40页 |
| ·BP神经网络 | 第40-44页 |
| ·BP网络结构 | 第41页 |
| ·BP学习算法 | 第41-44页 |
| ·径向基网络 | 第44-48页 |
| ·RBF网络结构 | 第44-46页 |
| ·RBF网络学习算法 | 第46-48页 |
| ·小波神经网络 | 第48-51页 |
| ·小波理论 | 第48-49页 |
| ·小波网络算法 | 第49-51页 |
| ·本章小结 | 第51-52页 |
| 第5章 应用神经网络实现颜色温度的测量 | 第52-64页 |
| ·BP神经网络测温 | 第52-57页 |
| ·RBF神经网络测温 | 第57-59页 |
| ·小波神经网络测温 | 第59-61页 |
| ·三种网络的测温比较及误差分析 | 第61-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·研究展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 作者在攻读硕士学位期间发表的学术论文 | 第69-70页 |
| 致谢 | 第70页 |
