首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

金属表面担风险检测算法的研究与应用

摘要第1-4页
Abstract第4-6页
目录第6-8页
第一章 绪论第8-12页
   ·课题研究背景及意义第8页
   ·国内外发展历史及现状第8-10页
     ·国外发展史及现状第8-9页
     ·国内研究史及现状第9-10页
   ·本课题研究的内容第10-12页
第二章 金属表面缺陷图像预处理第12-22页
   ·图像中的噪声类型第12-14页
     ·高斯噪声第12-13页
     ·椒盐噪声第13-14页
   ·图像滤波处理第14-16页
     ·均值滤波第14-15页
     ·中值滤波第15页
     ·维纳滤波第15-16页
     ·改进的自适应中值滤波第16页
   ·四种滤波方法的对比第16-21页
   ·本章小结第21-22页
第三章 基于双正交的 Mallat 算法的金属表面缺陷图像检测第22-36页
   ·连续小波变换第22-23页
   ·离散小波变换第23页
   ·多尺度分析算法第23-28页
     ·Mallat 算法第24-27页
     ·需要解决的问题第27-28页
   ·双正交的 Mallat 算法第28-32页
     ·小波基的选择第30-31页
     ·小波层数的确定第31-32页
   ·实验结果及分析第32-35页
   ·本章小结第35-36页
第四章 金属表面缺陷图像分割第36-46页
   ·常用的边缘检测算法第37-39页
     ·一阶导数边缘算子第37-38页
     ·二阶导数边缘检测算子第38-39页
     ·Canny 算子第39页
   ·基于数学形态学的边缘检测算法第39-41页
     ·腐蚀运算和膨胀运算第39-40页
     ·开运算和闭运算第40页
     ·数学形态学算子及结构元素的选取第40-41页
   ·各种边缘检测算子处理结果的比较第41-44页
   ·特征提取第44-45页
     ·灰度共生矩阵第44-45页
     ·特征提取结果第45页
   ·本章小结第45-46页
第五章 金属表面缺陷图像分类识别第46-52页
   ·支持向量机分类基的本原理第46-49页
     ·线性可分的 SVM第46-47页
     ·线性不可分 SVM第47-49页
   ·核函数的选择及参数的选择第49-50页
   ·实验结果第50-51页
   ·本章小结第51-52页
主要结论与展望第52-54页
 主要结论第52页
 展望第52-54页
致谢第54-55页
参考文献第55-58页
附录: 作者在攻读硕士学位期间发表的论文第58页

论文共58页,点击 下载论文
上一篇:基于视觉图像的船模运动姿态分析
下一篇:基于自学习的图像分类算法研究