X射线检测中缺陷智能识别技术的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·课题的来源，目的及意义 | 第9-10页 |
| ·X射线数字图像智能识别技术的发展状况 | 第10-12页 |
| ·本文的主要研究内容 | 第12-13页 |
| 2 图像预处理技术的研究 | 第13-22页 |
| ·图像的增强与降噪 | 第13-19页 |
| ·基于小波变换的图像增强方法 | 第14-17页 |
| ·基于中值滤波的图像降噪方法 | 第17-19页 |
| ·图像的梯度锐化处理 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 3 图像的阈值分割与轮廓提取的研究 | 第22-29页 |
| ·图像分割相关理论及算法 | 第22-26页 |
| ·阈值化分割原理 | 第24-25页 |
| ·迭代阈值图像分割法 | 第25-26页 |
| ·轮廓提取法对图像进行特征提取 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 4 图像识别技术中的计算方法研究 | 第29-55页 |
| ·图像识别原理及过程 | 第29-30页 |
| ·模式识别 | 第29页 |
| ·图像识别过程 | 第29-30页 |
| ·模糊集理论 | 第30-33页 |
| ·模糊集理论概念及原理 | 第30-31页 |
| ·模糊集运算 | 第31-33页 |
| ·择近原则识别法 | 第33页 |
| ·遗传算法 | 第33-41页 |
| ·遗传算法概念及理论 | 第33-34页 |
| ·遗传算法的数学基础 | 第34-36页 |
| ·遗传算法的特点 | 第36-38页 |
| ·标准遗传算法 | 第38-41页 |
| ·神经网络 | 第41-54页 |
| ·人工神经网络和生物神经网络 | 第41页 |
| ·人工神经网络的神经元模型 | 第41-44页 |
| ·神经网络的传输函数 | 第44-45页 |
| ·神经网络的网络结构 | 第45-46页 |
| ·BP神经网络的算法和应用 | 第46-54页 |
| ·本章小结 | 第54-55页 |
| 5 模糊神经网络与遗传算法改进神经网络的研究 | 第55-68页 |
| ·模糊神经网络 | 第55-63页 |
| ·结论为数值型的模糊推理网络 | 第56-59页 |
| ·结论为线性函数型的模糊推理网络 | 第59-61页 |
| ·结论为模糊集的模糊神经网络 | 第61-63页 |
| ·遗传算法在神经网络中的应用 | 第63-66页 |
| ·遗传算法用于神经网络的学习 | 第63-65页 |
| ·遗传算法用于神经网络设计 | 第65-66页 |
| ·实验分析 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 6 总结与展望 | 第68-70页 |
| ·本文总结 | 第68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第74-75页 |
| 致谢 | 第75页 |
