超声缺陷信号自动提取与评价技术研究
| 致谢 | 第1-6页 |
| 摘要 | 第6-7页 |
| Abstract | 第7-12页 |
| 图清单 | 第12-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-23页 |
| ·引言 | 第14-15页 |
| ·相关技术文献综述 | 第15-20页 |
| ·超声无损检测技术的发展 | 第15-16页 |
| ·盲源分离技术 | 第16-18页 |
| ·数字图像处理技术 | 第18-20页 |
| ·论文研究的背景及意义 | 第20页 |
| ·论文研究的课题背景 | 第20页 |
| ·论文研究的意义 | 第20页 |
| ·论文研究的主要内容 | 第20-23页 |
| 2 超声缺陷信号的提取 | 第23-41页 |
| ·引言 | 第23页 |
| ·相空间重构 | 第23-29页 |
| ·相空间重构的概念 | 第24页 |
| ·时间延迟和嵌入维数互不相关分析 | 第24-27页 |
| ·时间延迟和嵌入维数相关分析 | 第27-28页 |
| ·超声缺陷信号提取中的相空间重构 | 第28-29页 |
| ·独立分量分析 | 第29-36页 |
| ·独立分量分析的概念 | 第29-32页 |
| ·独立分量分析算法 | 第32-35页 |
| ·超声缺陷信号提取中的独立分量分析 | 第35-36页 |
| ·决策框 | 第36-37页 |
| ·Hurst 指数 | 第36页 |
| ·R/S 算法的具体实现 | 第36-37页 |
| ·算法性能评价与实验 | 第37-40页 |
| ·降噪性能评价指标 | 第37-38页 |
| ·降噪对比实验 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 3 超声 C 扫描图像的缺陷边缘检测 | 第41-56页 |
| ·引言 | 第41页 |
| ·超声 C 扫描图像的生成 | 第41-44页 |
| ·超声成像的数学原理 | 第42-43页 |
| ·超声伪彩色成像 | 第43-44页 |
| ·超声图像的预处理 | 第44-47页 |
| ·中值滤波 | 第45页 |
| ·K 个邻点平均值 | 第45页 |
| ·保边滤波处理 | 第45-46页 |
| ·超声图像平滑处理的应用 | 第46-47页 |
| ·基于数学形态学的超声 C 扫描图像的边缘检测 | 第47-55页 |
| ·数学形态学的基本运算 | 第47-50页 |
| ·传统形态学边缘检测算子 | 第50-51页 |
| ·本文算法 | 第51-54页 |
| ·算法实验与分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 4 超声 C 扫描图像的缺陷识别与评价 | 第56-73页 |
| ·引言 | 第56-57页 |
| ·图像区域划分 | 第57-60页 |
| ·超声图像的分割 | 第57-58页 |
| ·缺陷的区域标记 | 第58-59页 |
| ·轮廓跟踪 | 第59-60页 |
| ·图像中缺陷几何特征的提取 | 第60-63页 |
| ·缺陷几何特征的构建 | 第61页 |
| ·缺陷几何特征的定义 | 第61-63页 |
| ·特征向量的选取 | 第63页 |
| ·缺陷的分类识别 | 第63-72页 |
| ·BP 神经网络缺陷识别设计 | 第64-68页 |
| ·改进的 BP 算法 | 第68页 |
| ·实验及结果分析 | 第68-72页 |
| ·缺陷的评价 | 第72页 |
| ·本章小结 | 第72-73页 |
| 5 超声检测系统的设计 | 第73-82页 |
| ·引言 | 第73页 |
| ·系统的硬件设计 | 第73-75页 |
| ·系统硬件总体结构设计 | 第73-74页 |
| ·运动控制系统 | 第74-75页 |
| ·超声信号触发和采集系统 | 第75页 |
| ·系统的软件设计 | 第75-79页 |
| ·系统软件的总体设计 | 第75-76页 |
| ·超声成像功能的实现 | 第76-78页 |
| ·声图像处理模块的实现 | 第78-79页 |
| ·系统实例 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 6 总结与展望 | 第82-84页 |
| ·总结 | 第82页 |
| ·展望 | 第82-84页 |
| 参考文献 | 第84-87页 |
| 附录 A | 第87-88页 |
| 作者简介 | 第88页 |
