基于纹理特征的金相图像分类研究与实现
| 摘要 | 第1-3页 |
| Abstract | 第3-7页 |
| 1 绪论 | 第7-12页 |
| ·选题背景及意义 | 第7-8页 |
| ·金相分析的发展及现状 | 第8-10页 |
| ·主要内容及结构安排 | 第10-12页 |
| 2 纹理分析理论 | 第12-16页 |
| ·纹理分析的发展 | 第12页 |
| ·纹理的定义和描述 | 第12-14页 |
| ·纹理分析中的常用方法 | 第14-16页 |
| 3 金相图像纹理特征提取 | 第16-37页 |
| ·分形法 | 第16-25页 |
| ·分形 | 第16-17页 |
| ·分形维数的估计法 | 第17-19页 |
| ·改进的微分计盒维数 | 第19-22页 |
| ·金相图像的多重分形纹理特征 | 第22-25页 |
| ·空间/频率域联合分析 | 第25-33页 |
| ·小波变换 | 第25-27页 |
| ·纹理分析中小波基的选取 | 第27-29页 |
| ·图像的小波纹理特征 | 第29-31页 |
| ·改进的小波纹理特征 | 第31-33页 |
| ·小波分形联合分析法 | 第33-36页 |
| ·算法的提出 | 第33-35页 |
| ·算法的实现 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 4 分类器设计 | 第37-51页 |
| ·欧氏距离分类器 | 第37-38页 |
| ·BP神经网络分类器 | 第38-49页 |
| ·BP神经网络 | 第39-41页 |
| ·BP神经网络的结构设计 | 第41-42页 |
| ·BP神经网络的训练 | 第42-45页 |
| ·BP算法的不足及优化 | 第45-46页 |
| ·BP网络泛化能力的改进 | 第46-49页 |
| ·BP神经网络分类器实现 | 第49页 |
| ·本章小结 | 第49-51页 |
| 5 金相纹理分类系统设计及实验 | 第51-61页 |
| ·系统的硬件构成 | 第51-52页 |
| ·系统的软件设计 | 第52-53页 |
| ·图像获取 | 第52-53页 |
| ·图像预处理 | 第53页 |
| ·纹理特征提取与分类 | 第53页 |
| ·实验及结果分析 | 第53-60页 |
| ·粉末显微图像评级分类实验 | 第53-56页 |
| ·石墨显微图像分类实验 | 第56-58页 |
| ·铝合金显微图像分类实验 | 第58-59页 |
| ·实验结果分析 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 科研成果简介 | 第67-69页 |
| 致谢 | 第69页 |
