| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题背景 | 第8页 |
| 1.2 国内外研究现状 | 第8-12页 |
| 1.2.1 浊度检测技术研究现状 | 第8-10页 |
| 1.2.2 图像识别技术研究现状 | 第10-11页 |
| 1.2.3 人工神经网络研究现状 | 第11-12页 |
| 1.3 本课题的主要研究内容 | 第12-14页 |
| 第2章 水质浊度检测系统总体设计方案 | 第14-21页 |
| 2.1 浊度的定义 | 第14页 |
| 2.2 浊度测量原理 | 第14-17页 |
| 2.2.1 透射式浊度测量方法 | 第15-16页 |
| 2.2.2 散射式浊度测量方法 | 第16-17页 |
| 2.3 水质浊度检测系统设计方案 | 第17-20页 |
| 2.4 本章小结 | 第20-21页 |
| 第3章 水质浊度相关图像信息提取算法的研究与验证 | 第21-34页 |
| 3.1 基于梯度的水质浊度图像信息提取算法 | 第21-26页 |
| 3.1.1 梯度的相关定义 | 第21-22页 |
| 3.1.2 梯度算子 | 第22-24页 |
| 3.1.3 灰度梯度共生矩阵 | 第24-25页 |
| 3.1.4 水质浊度相关特征参数 | 第25-26页 |
| 3.2 基于小波变换的水质浊度图像信息提取算法 | 第26-31页 |
| 3.2.1 多分辨率分析 | 第26-29页 |
| 3.2.2 小波变换 | 第29-30页 |
| 3.2.3 水质浊度相关特征参数 | 第30-31页 |
| 3.3 图像信息提取算法的可行性验证 | 第31-33页 |
| 3.3.1 基于梯度的水质浊度图像信息提取算法的验证 | 第32页 |
| 3.3.2 基于小波变换的水质浊度图像信息提取算法的验证 | 第32-33页 |
| 3.4 本章小结 | 第33-34页 |
| 第4章 水质浊度检测系统中的神经网络的设计 | 第34-47页 |
| 4.1 神经网络基础知识 | 第34-38页 |
| 4.1.1 神经元模型 | 第34-35页 |
| 4.1.2 判别函数 | 第35-37页 |
| 4.1.3 神经网络学习规则 | 第37-38页 |
| 4.2 水质浊度检测系统神经网络的设计 | 第38-41页 |
| 4.2.1 水质浊度检测系统神经网络的结构 | 第38-40页 |
| 4.2.2 水质浊度检测系统神经网络的学习规则 | 第40-41页 |
| 4.3 水质浊度检测系统神经网络的内部结构的设计 | 第41-46页 |
| 4.3.1 水质浊度检测系统网络训练样本的选择方案 | 第41-42页 |
| 4.3.2 水质浊度检测系统神经网络的内部结构的选择 | 第42-46页 |
| 4.4 本章小结 | 第46-47页 |
| 第5章 水质浊度检测系统实现与测试 | 第47-56页 |
| 5.1 水质浊度检测系统的硬件平台设计 | 第47页 |
| 5.2 水质浊度检测系统的软件设计 | 第47-52页 |
| 5.2.1 训练模式软件设计 | 第47-52页 |
| 5.2.2 检测模式软件设计 | 第52页 |
| 5.3 水质浊度检测系统的测试 | 第52-55页 |
| 5.4 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-62页 |
| 致谢 | 第62-63页 |
| 个人简历 | 第63页 |
