| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.1.1 课题项目来源 | 第9页 |
| 1.1.2 课题研究目的与意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-13页 |
| 1.2.1 木材无损检测的研究现状 | 第10页 |
| 1.2.2 基于机器视觉的缺陷检测研究现状 | 第10-13页 |
| 1.3 论文的主要内容 | 第13-15页 |
| 1.3.1 论文的技术路线 | 第13-14页 |
| 1.3.2 论文的结构安排 | 第14-15页 |
| 第二章 实木板材无损检测系统的构建 | 第15-21页 |
| 2.1 实木板材无损检测系统的组成 | 第15-18页 |
| 2.1.1 机械结构部分 | 第15-17页 |
| 2.1.2 图像采集系统 | 第17-18页 |
| 2.2 实木板材样本选取与图片采集 | 第18-19页 |
| 2.3 实木板材样本缺陷种类及分析 | 第19页 |
| 2.4 本章小结 | 第19-21页 |
| 第三章 实木板材表面缺陷的分割方法 | 第21-32页 |
| 3.1 图像预处理 | 第21-25页 |
| 3.1.1 图像灰度化 | 第21-22页 |
| 3.1.2 图像灰度增强 | 第22-25页 |
| 3.1.3 滤波去噪 | 第25页 |
| 3.2 图像分割方法 | 第25-29页 |
| 3.2.1 基于阈值的分割方法 | 第26-28页 |
| 3.2.2 基于边缘检测的分割方法 | 第28-29页 |
| 3.3 数学形态学处理 | 第29-31页 |
| 3.4 本章小结 | 第31-32页 |
| 第四章 实木板材表面缺陷的特征提取方法研究 | 第32-39页 |
| 4.1 基于灰度的特征提取方法 | 第32-33页 |
| 4.1.1 灰度特征 | 第32-33页 |
| 4.1.2 缺陷灰度特征提取实验结果 | 第33页 |
| 4.2 基于几何特征的特征提取方法 | 第33-37页 |
| 4.2.1 形状特征 | 第33-34页 |
| 4.2.2 Hu矩 | 第34-35页 |
| 4.2.3 缺陷几何特征提取实验结果 | 第35-37页 |
| 4.3 本章小结 | 第37-39页 |
| 第五章 基于极限学习机的实木板材表面缺陷分类算法及其改进 | 第39-47页 |
| 5.1 极限学习机算法 | 第39-41页 |
| 5.1.1 单隐层前馈神经网络 | 第39-40页 |
| 5.1.2 极限学习机算法 | 第40-41页 |
| 5.1.3 与传统学习算法的比较 | 第41页 |
| 5.2 结合AdaBoost的改进型极限学习机 | 第41-43页 |
| 5.2.1 AdaBoost算法 | 第42页 |
| 5.2.2 算法改进与步骤 | 第42-43页 |
| 5.3 分类结果与分析 | 第43-46页 |
| 5.3.1 基于极限学习机算法的分类实例 | 第43-44页 |
| 5.3.2 基于AdaBoost的改进型极限学习机算法的分类实例 | 第44-46页 |
| 5.4 本章小结 | 第46-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 总结 | 第47-48页 |
| 6.2 展望 | 第48-49页 |
| 攻读学位期间发表的学术论文 | 第49-50页 |
| 参考文献 | 第50-54页 |