| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-24页 |
| ·课题研究目的和意义 | 第10-12页 |
| ·课题研究的目的 | 第10-11页 |
| ·课题的科学依据及意义 | 第11-12页 |
| ·木材检测的研究现状 | 第12-19页 |
| ·国外研究现状 | 第13-15页 |
| ·国内研究现状 | 第15-16页 |
| ·检测技术在木材加工业的应用 | 第16-17页 |
| ·木材检测技术的发展与展望 | 第17-19页 |
| ·机器视觉技术及其应用 | 第19-21页 |
| ·计算机视觉系统的概述 | 第19页 |
| ·机器视觉的原理 | 第19-20页 |
| ·机器视觉在质量检测中的应用 | 第20-21页 |
| ·木材表面缺陷特征及存在形式 | 第21-23页 |
| ·本文要完成的工作 | 第23-24页 |
| 第二章 木材表面缺陷识别的硬件系统设计 | 第24-31页 |
| ·木材表面缺陷检测系统的结构 | 第24-25页 |
| ·光源和照明系统的设计 | 第25-28页 |
| ·光源类型选择 | 第25-26页 |
| ·照明系统的设计 | 第26-27页 |
| ·CCD摄像台 | 第27-28页 |
| ·图像采集模块 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 木材表面缺陷识别系统的图像处理算法 | 第31-50页 |
| ·数字图像处理技术理论 | 第31-32页 |
| ·图像处理技术概述 | 第31页 |
| ·数字图像处理的原理 | 第31-32页 |
| ·木材表面缺陷检测系统的图像处理流程 | 第32页 |
| ·数字图像相关理论以及在本视觉系统的应用 | 第32-39页 |
| ·图像采样与量化 | 第32-35页 |
| ·RGB颜色模型和HSI颜色模型 | 第35-37页 |
| ·图像灰度化处理 | 第37-39页 |
| ·图像分割 | 第39-41页 |
| ·木材表面缺陷检测 | 第41-49页 |
| ·直方图概念及模型化 | 第41-42页 |
| ·灰度直方图用途 | 第42-43页 |
| ·木材缺陷图像灰度直方图分析统计 | 第43-46页 |
| ·缺陷木材判别 | 第46-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 木材缺陷特征提取 | 第50-61页 |
| ·缺陷图像的图像预处理 | 第50-53页 |
| ·直方图均衡化 | 第50-51页 |
| ·图像平滑滤波 | 第51-53页 |
| ·图像灰度级插值 | 第53-54页 |
| ·图像的边缘检测 | 第54-60页 |
| ·常用的边缘检测算子 | 第55-58页 |
| ·改进的Sobel边缘方向检测算子 | 第58-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 木材表面缺陷模式识别方法及神经网络分类器设计 | 第61-75页 |
| ·模式识别理论 | 第61-62页 |
| ·模式识别概述 | 第61-62页 |
| ·模式识别常用方法及其特点 | 第62页 |
| ·基于人工神经网络的模式识别 | 第62-66页 |
| ·神经网络发展与应用 | 第62-63页 |
| ·人工神经网络模型 | 第63-65页 |
| ·人工神经网络的基本特点 | 第65-66页 |
| ·木材表面缺陷识别中的神经网络方法 | 第66-72页 |
| ·误差逆传播神经网络(BP网络) | 第66-67页 |
| ·木材缺陷特征提取 | 第67-68页 |
| ·BP网络设计 | 第68-72页 |
| ·识别结果与讨论 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第六章 总结与展望 | 第75-77页 |
| ·全文总结 | 第75-76页 |
| ·展望 | 第76-77页 |
| 参考文献 | 第77-82页 |
| 致谢 | 第82-83页 |
| 攻读学位期间发表的论文 | 第83页 |