基于压缩感知的产品检测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·研究背景、目的和意义 | 第9-10页 |
| ·产品检测主要研究内容及难点 | 第10-11页 |
| ·与本论文相关技术的国内外研究现状 | 第11-14页 |
| ·计算机图像视觉自动识别技术 | 第11-12页 |
| ·图像处理技术 | 第12-13页 |
| ·压缩感知与稀疏表示检测算法 | 第13-14页 |
| ·论文研究内容与章节安排 | 第14-16页 |
| 第2章 数据采集系统及数据库的建立 | 第16-23页 |
| ·X 射线视觉检测系统及数据的采集 | 第16-17页 |
| ·图像的预处理 | 第17-22页 |
| ·目标图像的分割 | 第17-18页 |
| ·目标图像范围的确定 | 第18-19页 |
| ·检测目标区域定位 | 第19-20页 |
| ·目标图像的降噪 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 压缩感知理论 | 第23-34页 |
| ·压缩感知理论背景概述 | 第23-24页 |
| ·压缩感知的理论框架 | 第24-31页 |
| ·信号的稀疏表示 | 第25-26页 |
| ·观测矩阵的设计 | 第26-28页 |
| ·信号重建算法 | 第28-31页 |
| ·压缩感知理论在产品检测中的应用及可行性 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于压缩感知的产品检测算法 | 第34-44页 |
| ·基于压缩感知的产品分类识别算法 | 第34-37页 |
| ·压缩感知产品分类的模型 | 第34-36页 |
| ·特征提取 | 第36-37页 |
| ·基于压缩感知的产品分类的执行步骤 | 第37页 |
| ·基于压缩感知的稀疏分解产品检测算法 | 第37-43页 |
| ·稀疏分解方法简介 | 第37-38页 |
| ·盲源分离模型与形态成分分析 | 第38-39页 |
| ·样本图像的稀疏表示 | 第39-41页 |
| ·稀疏字典的构造 | 第41-42页 |
| ·稀疏分解算法流程描述 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第5章 算法仿真与实验 | 第44-53页 |
| ·基于压缩感知产品分类识别 | 第44-49页 |
| ·产品分类识别算法流程 | 第44-45页 |
| ·产品分类识别结果 | 第45-48页 |
| ·主成分分析特征降维识别结果 | 第48-49页 |
| ·采用稀疏分解的检测结果 | 第49-52页 |
| ·稀疏分解检测的算法流程 | 第49-50页 |
| ·产品稀疏分解识别结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 总结与展望 | 第53-55页 |
| ·研究工作总结 | 第53页 |
| ·工作展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 攻读硕士学位期间发表的论文及所取得的研究成果 | 第59-60页 |
| 致谢 | 第60-61页 |
