| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题的研究背景和意义 | 第15-16页 |
| 1.2 课题的国内外研究概况 | 第16-19页 |
| 1.2.1 金相图像去噪 | 第16-17页 |
| 1.2.2 金相图像分割 | 第17-18页 |
| 1.2.3 金相图像晶界重建 | 第18页 |
| 1.2.4 金相图像分类 | 第18-19页 |
| 1.3 本文的章节安排及创新点 | 第19-22页 |
| 1.3.1 本文的章节安排 | 第19-20页 |
| 1.3.2 本文的主要创新点 | 第20-22页 |
| 第二章 基于高斯混合模型聚类和主成分分析的金相图像去噪 | 第22-29页 |
| 2.1 引言 | 第22-23页 |
| 2.2 基于改进马氏距离的GMM相似图像块聚类 | 第23-25页 |
| 2.2.1 马氏距离 | 第23-24页 |
| 2.2.2 基于改进马氏距离的高斯混合模型聚类 | 第24-25页 |
| 2.3 PCA去噪 | 第25页 |
| 2.4 算法步骤 | 第25-26页 |
| 2.5 实验结果与分析 | 第26-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 基于混沌蜂群优化的二维指数灰度熵的金相图像分割 | 第29-38页 |
| 3.1 引言 | 第29-30页 |
| 3.2 基于灰度-梯度直方图的二维指数灰度熵阈值选取 | 第30-32页 |
| 3.3 基于指数灰度熵阈值选取的混沌蜂群优化算法 | 第32-34页 |
| 3.4 实验结果与分析 | 第34-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于活动轮廓模型和数学形态学的金相图像晶界重建 | 第38-46页 |
| 4.1 引言 | 第38-39页 |
| 4.2 模型介绍 | 第39-40页 |
| 4.2.1 传统CV模型 | 第39页 |
| 4.2.2 LBF模型 | 第39-40页 |
| 4.3 本章模型 | 第40-41页 |
| 4.3.1 L_1范数拟合项 | 第40页 |
| 4.3.2 结合全局信息和局部信息 | 第40-41页 |
| 4.4 形态学处理 | 第41-42页 |
| 4.5 实验结果与分析 | 第42-44页 |
| 4.6 本章小结 | 第44-46页 |
| 第五章 基于改进韦伯局部算子的金相图像纹理特征提取 | 第46-54页 |
| 5.1 引言 | 第46-47页 |
| 5.2 WLD简介 | 第47-48页 |
| 5.2.1 差分激励 | 第47页 |
| 5.2.2 梯度方向 | 第47-48页 |
| 5.3 对WLD的分析与改进 | 第48-50页 |
| 5.3.1 改进差分激励 | 第48-49页 |
| 5.3.2 改进梯度方向 | 第49-50页 |
| 5.4 改进WLD特征计算步骤 | 第50-51页 |
| 5.5 实验结果与分析 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第六章 基于UFIR矩和交替决策森林的铸铁金相图像分类 | 第54-61页 |
| 6.1 引言 | 第54-55页 |
| 6.2 基于 UFIR 矩的铸铁金相图像特征提取方法 | 第55-56页 |
| 6.3 交替决策森林 | 第56-58页 |
| 6.3.1 随机森林 | 第56-57页 |
| 6.3.2 全局损失函数 | 第57-58页 |
| 6.3.3 训练步骤 | 第58页 |
| 6.4 实验结果与分析 | 第58-60页 |
| 6.4.1 实验数据和实验环境 | 第58-59页 |
| 6.4.2 铸铁金相图像分类结果 | 第59-60页 |
| 6.5 本章小结 | 第60-61页 |
| 第七章 总结和展望 | 第61-63页 |
| 7.1 本文的主要工作 | 第61-62页 |
| 7.2 进一步的研究工作及展望 | 第62-63页 |
| 参考文献 | 第63-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的学术论文 | 第71页 |
