| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9页 |
| 1.2 图像处理技术及应用 | 第9-13页 |
| 1.2.1 图像检测中的图像处理技术 | 第9-11页 |
| 1.2.2 图像处理技术的应用 | 第11-12页 |
| 1.2.3 图像处理在工业检测领域的研究现状 | 第12-13页 |
| 1.3 论文结构 | 第13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 预浸带的制备工艺及其对制品的影响 | 第14-19页 |
| 2.1 预浸带的浸渍方法 | 第14-15页 |
| 2.2 熔融浸渍机理 | 第15-16页 |
| 2.3 影响预浸带质量的因素 | 第16-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 预浸带图像预处理 | 第19-35页 |
| 3.1 预浸带图像灰度化 | 第19-20页 |
| 3.2 预浸带图像的中值滤波和自适应中值滤波 | 第20-23页 |
| 3.3 小波变换在预浸带图像处理中的应用 | 第23-28页 |
| 3.3.1 小波变换 | 第24-25页 |
| 3.3.2 多分辨分析 | 第25-26页 |
| 3.3.3 Mallat算法 | 第26页 |
| 3.3.4 二维小波变换 | 第26-28页 |
| 3.4 LoG算子在预浸带图像增强中的应用 | 第28-30页 |
| 3.5 分数阶微分与高斯低通滤波器对预浸带图像的处理 | 第30-34页 |
| 3.5.1 分数阶微积分 | 第30-32页 |
| 3.5.2 高斯低通滤波器(GLPF) | 第32-33页 |
| 3.5.3 仿真结果 | 第33-34页 |
| 3.6 本章小结 | 第34-35页 |
| 第四章 预浸带缺陷的图像分割 | 第35-49页 |
| 4.1 基于水平集的预浸带图像分割方法 | 第35页 |
| 4.2 基于分水岭算法的预浸带图像分割 | 第35-36页 |
| 4.3 预浸带图像的边缘检测 | 第36-40页 |
| 4.3.1 一阶微分和二阶微分边缘检测算子 | 第36-38页 |
| 4.3.2 小波模极大值 | 第38-39页 |
| 4.3.3 仿真结果 | 第39-40页 |
| 4.4 蝙蝠算法在预浸带图像分割中的应用 | 第40-47页 |
| 4.4.1 Otsu法 | 第40-42页 |
| 4.4.2 蝙蝠算法 | 第42-43页 |
| 4.4.3 Canny边缘检测算子 | 第43-44页 |
| 4.4.4 仿真结果 | 第44-47页 |
| 4.5 本章小结 | 第47-49页 |
| 第五章 预浸带图像特征提取与识别 | 第49-60页 |
| 5.1 预浸带图像的纹理特征和小波能量特征 | 第49-53页 |
| 5.1.1 灰度直方图的纹理特征 | 第50-51页 |
| 5.1.2 灰度共生矩阵 | 第51-52页 |
| 5.1.3 小波能量特征 | 第52-53页 |
| 5.2 基于支持向量机的预浸带缺陷图像的分类 | 第53-57页 |
| 5.2.1 统计学习理论 | 第53-54页 |
| 5.2.2 支持向量机的理论 | 第54-57页 |
| 5.3 仿真结果 | 第57-58页 |
| 5.4 本章小结 | 第58-60页 |
| 第六章 结论和展望 | 第60-62页 |
| 6.1 结论 | 第60-61页 |
| 6.2 工作展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 读期间公开发表的论文 | 第66-67页 |
| 致谢 | 第67页 |