| 提要 | 第1-9页 |
| 第1章 绪论 | 第9-30页 |
| ·计算机视觉概述 | 第9-10页 |
| ·计算机视觉检测与系统构成 | 第10-14页 |
| ·视觉检测技术概述 | 第10-12页 |
| ·视觉检测系统的构成 | 第12-14页 |
| ·视觉检测的研究现状与发展趋势 | 第14-25页 |
| ·视觉检测的国内外研究现状 | 第14-18页 |
| ·视觉检测存在的问题与发展趋势 | 第18-20页 |
| ·视觉检测的关键技术 | 第20-25页 |
| ·支持向量机概述 | 第25-27页 |
| ·结构风险最小化原则 | 第25-26页 |
| ·支持向量机概述 | 第26-27页 |
| ·课题背景与论文的研究内容 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第2章 SVM的基本原理和基于LS-SVR的FIR滤波器构造 | 第30-45页 |
| ·SVM的基本原理 | 第30-34页 |
| ·最优化理论 | 第30-31页 |
| ·线性可分问题的SVM | 第31-33页 |
| ·非线性的可分问题的SVM | 第33-34页 |
| ·近似可分问题的SVM | 第34页 |
| ·最小二乘支持向量回归机 | 第34-37页 |
| ·LS-SVR的原理 | 第34-36页 |
| ·LS-SVR的解 | 第36-37页 |
| ·基于LS-SVR的FIR滤波器构造 | 第37-40页 |
| ·滤波器 | 第37-38页 |
| ·基于LS-SVR的FIR滤波器 | 第38-40页 |
| ·LS-SVR滤波器的性质与二维模板构造 | 第40-44页 |
| ·LS-SVR滤波器的性质 | 第40-42页 |
| ·二维 LS-SVR卷积模板构造方法 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第3章 基于LS-SVR的图像噪声去除算法研究 | 第45-65页 |
| ·噪声模型与常用滤波算法 | 第45-49页 |
| ·噪声模型 | 第45-47页 |
| ·常用的噪声滤除算法 | 第47-49页 |
| ·高斯核LS-SVR滤波器降噪性能研究 | 第49-52页 |
| ·高斯核LS-SVR滤波器降噪特性 | 第49-50页 |
| ·高斯核LS-SVR滤波器滤波性能实验 | 第50-52页 |
| ·脉冲噪声的开关滤波 | 第52-54页 |
| ·开关滤波概述 | 第52-53页 |
| ·二种典型的开关滤波算法 | 第53-54页 |
| ·基于LS-SVR的开关降噪算法研究 | 第54-64页 |
| ·LS-SVR三路开关算法 | 第55-60页 |
| ·LS-SVR十七路开关算法 | 第60-64页 |
| ·本章小结 | 第64-65页 |
| 第4章 基于LS-SVR的边缘检测技术研究 | 第65-90页 |
| ·引言 | 第65-66页 |
| ·边缘特征与边缘检测问题 | 第66-68页 |
| ·边缘特征 | 第66-67页 |
| ·边缘检测问题 | 第67-68页 |
| ·经典边缘检测算子 | 第68-71页 |
| ·一阶微分算子 | 第68-70页 |
| ·二阶微分算子 | 第70-71页 |
| ·Canny边缘检测准则与算法 | 第71-73页 |
| ·Canny连续准则 | 第71-72页 |
| ·Canny边缘检测算法 | 第72-73页 |
| ·一维离散Canny准则 | 第73-80页 |
| ·Demigny离散Canny准则 | 第73-75页 |
| ·严格的离散定位准则 | 第75-76页 |
| ·一维最优边缘检测算子的LS-SVR逼近 | 第76-80页 |
| ·二维离散Canny准则的构建 | 第80-82页 |
| ·准则Σ的二维最优滤波器 | 第80-81页 |
| ·准则Λ的最优滤波器 | 第81-82页 |
| ·二维最优边缘检测算子的LS-SVR逼近 | 第82-89页 |
| ·LS-SVR的逼近能力 | 第82-83页 |
| ·Σ与Λ的联合优化 | 第83-87页 |
| ·一维和二维算子的比较 | 第87页 |
| ·多尺度融合 | 第87-89页 |
| ·本章小结 | 第89-90页 |
| 第5章 基于SVR的亚像素边缘检测研究 | 第90-105页 |
| ·引言 | 第90-91页 |
| ·常见的亚像素检测算法 | 第91-94页 |
| ·插值法 | 第91-93页 |
| ·函数拟合法 | 第93-94页 |
| ·基于ε-SVR的零件图像直线边缘亚像素检测 | 第94-99页 |
| ·ε-支持向量回归机的原理 | 第95-96页 |
| ·零件图像采集及处理 | 第96-97页 |
| ·零件参数的亚像素检测 | 第97-99页 |
| ·基于LS-SVR的零件图像圆类边缘亚像素检测 | 第99-104页 |
| ·边缘数据采集 | 第100页 |
| ·圆类边缘的LS-SVR拟合 | 第100-102页 |
| ·链板参数计算 | 第102-104页 |
| ·本章小结 | 第104-105页 |
| 第6章 基于LS－SVR的纯二维小波滤波器设计 | 第105-118页 |
| ·引言 | 第105-106页 |
| ·Neville滤波器 | 第106-109页 |
| ·符号与运算定义 | 第106-107页 |
| ·插值滤波器 | 第107-108页 |
| ·Neville滤波器 | 第108-109页 |
| ·提升格式 | 第109-111页 |
| ·空间域的小波变换--提升方案 | 第109-110页 |
| ·提升框架下的二带插值滤波器组 | 第110-111页 |
| ·基于LS-SVR的2 维Neville滤波器设计 | 第111-114页 |
| ·梅花型采样 | 第111-112页 |
| ·Neville滤波器的LS-SVR实现 | 第112-114页 |
| ·基于LS-SVR的一类图像整数小波滤波器 | 第114-117页 |
| ·整数小波变换 | 第114-115页 |
| ·一类图像整数小波滤波器 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第7章 结论与展望 | 第118-122页 |
| ·论文主要结论 | 第118-120页 |
| ·存在的问题及下一步的工作 | 第120-122页 |
| 参考文献 | 第122-135页 |
| 攻读学位期间发表的学术论文及其它成果 | 第135-136页 |
| 致谢 | 第136-137页 |
| 摘要 | 第137-139页 |
| ABSTRACT | 第139-141页 |