| 摘要 | 第1-9页 |
| ABSTRACT | 第9-12页 |
| 第一章 绪论 | 第12-27页 |
| ·课题来源 | 第12页 |
| ·研究目的及意义 | 第12-13页 |
| ·国内外研究现状 | 第13-20页 |
| ·现代检测技术在材料微观结构分析中的应用 | 第13-14页 |
| ·SEM图像处理在材料微观结构分析中的应用 | 第14-16页 |
| ·现代数学方法在材料(物质)结构及性质分析中的应用 | 第16-19页 |
| ·智能算法在数字图像处理中的应用 | 第19-20页 |
| ·论文的主要研究内容及研究方法 | 第20-21页 |
| ·本章小结 | 第21页 |
| 参考文献 | 第21-27页 |
| 第二章 聚合物复合材料微观图像预处理 | 第27-54页 |
| ·复合材料性能及其SEM图像 | 第27-32页 |
| ·麦秸/聚丙烯复合材料力学性能及其SEM图像 | 第27-29页 |
| ·碳粉/酚醛树脂复合摩擦材料摩擦磨损实验及其SEM图像 | 第29-31页 |
| ·SiC/PTFE纳米复合材料力学性能及其SEM图像 | 第31-32页 |
| ·复合材料微观SEM照片的图像增强 | 第32-38页 |
| ·图像滤波平滑 | 第32-35页 |
| ·图像灰度变换 | 第35-37页 |
| ·图像锐化 | 第37-38页 |
| ·复合材料微观SEM照片的图像分割 | 第38-50页 |
| ·图像边缘检测 | 第38-44页 |
| ·图像阈值分割 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 参考文献 | 第51-54页 |
| 第三章 基于AMT方法的复合材料微观图像纹理特征定量描述与分析 | 第54-90页 |
| ·图像纹理属性及常用纹理描述方法 | 第54-57页 |
| ·图像纹理属性 | 第54-55页 |
| ·常用图像纹理描述方法 | 第55-57页 |
| ·AMT纹理描述方法原理简介 | 第57-63页 |
| ·AMT方法的测量原理及方式 | 第58-60页 |
| ·AMT方法的预处理 | 第60-63页 |
| ·AMT方法在复合材料微观SEM图像分析中的初探 | 第63-71页 |
| ·基于AMT的碳粉/酚醛树脂复合摩擦材料SEM图像描述与分析 | 第63-68页 |
| ·基于AMT的SiC/PTFE纳米复合材料SEM图像描述与分析 | 第68-71页 |
| ·基于AMT方法的麦秸/聚丙烯复合材料微观图像定量描述 | 第71-81页 |
| ·麦秸/聚丙烯复合材料微观图像纹理描绘统计矩 | 第71-73页 |
| ·图像样本集的选择及预处理 | 第73-78页 |
| ·常用纹理描述方法的材料微观图像纹理特征图谱 | 第78-79页 |
| ·基于AMT方法的材料微观图像纹理特征图谱 | 第79-80页 |
| ·几种微观图像纹理图谱描述性能的比较分析 | 第80-81页 |
| ·麦秸/聚丙烯复合材料微观图像MA图谱分析 | 第81-86页 |
| ·MA图谱的特征角度及特征尺度统计 | 第81-82页 |
| ·特征角度及特征尺度与材料力学性能相关性分析 | 第82-83页 |
| ·MA图谱主成分分析 | 第83-86页 |
| ·本章小结 | 第86页 |
| 参考文献 | 第86-90页 |
| 第四章 基于图像纹理特征的麦秸/聚丙烯复合材料SEM图像分类识别 | 第90-101页 |
| ·复合材料不同老化周期微观图像智能分类方法 | 第90-92页 |
| ·极限学习机分类预测 | 第90-91页 |
| ·支持向量机分类预测 | 第91-92页 |
| ·微观SEM图像极限学习机分类预测 | 第92-95页 |
| ·ELM分类程序的编写及主要参数设定 | 第92-93页 |
| ·ELM分类程序运行结果及分析讨论 | 第93-95页 |
| ·微观SEM图像支持向量机分类预测 | 第95-99页 |
| ·SVM分类程序的编写及主要参数设定 | 第95-97页 |
| ·SVM分类程序运行结果及分析讨论 | 第97-99页 |
| ·本章小结 | 第99页 |
| 参考文献 | 第99-101页 |
| 第五章 基于图像纹理特征的麦秸/聚丙烯复合材料力学性能建模 | 第101-110页 |
| ·复合材料力学性能回归预测方法 | 第101-102页 |
| ·极限学习机回归预测 | 第101页 |
| ·回归型支持向量机回归预测 | 第101-102页 |
| ·材料弯曲强度的回归预测 | 第102-107页 |
| ·弯曲强度极限学习机回归预测 | 第102-104页 |
| ·弯曲强度支持向量机回归预测 | 第104-107页 |
| ·材料弹性模量的回归预测 | 第107-108页 |
| ·弹性模量极限学习机回归预测 | 第107-108页 |
| ·弹性模量支持向量机回归预测 | 第108页 |
| ·本章小结 | 第108页 |
| 参考文献 | 第108-110页 |
| 第六章 结论与展望 | 第110-113页 |
| ·完成的主要工作和结论 | 第110-112页 |
| ·展望 | 第112-113页 |
| 致谢 | 第113-114页 |
| 攻读学位期间发表的学术论文 | 第114页 |
