太阳能电池缺陷识别的研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-21页 |
| ·课题研究背景和意义 | 第11-15页 |
| ·引言 | 第11-12页 |
| ·太阳能电池的背景和发展现状 | 第12-14页 |
| ·太阳能电池缺陷识别研究目的和意义 | 第14-15页 |
| ·太阳能电池缺陷识别涉及的学科 | 第15-16页 |
| ·太阳能电池缺陷的分类识别及发展状况 | 第16-19页 |
| ·太阳能电池缺陷的分类 | 第16-17页 |
| ·太阳能电池缺陷检测的分类方法 | 第17-18页 |
| ·太阳能电池缺陷识别的过程 | 第18页 |
| ·太阳能电池的应用发展 | 第18-19页 |
| ·太阳能电池缺陷识别系统的优点和缺点 | 第19-20页 |
| ·优点 | 第19页 |
| ·缺点 | 第19-20页 |
| ·论文的章节安排 | 第20-21页 |
| 第二章 太阳能电池缺陷识别的图像预处理 | 第21-42页 |
| ·引言 | 第21页 |
| ·图像灰度增强 | 第21-24页 |
| ·图像滤波 | 第24-26页 |
| ·空间域去噪方法 | 第24-25页 |
| ·变换域去噪方法 | 第25页 |
| ·图像去噪 | 第25-26页 |
| ·几何变换(畸变校正) | 第26-33页 |
| ·畸变原理 | 第26-28页 |
| ·畸变校正方法 | 第28页 |
| ·摄像机成像模型与坐标系 | 第28-29页 |
| ·畸变模型 | 第29-30页 |
| ·镜头畸变参数计算方法 | 第30-33页 |
| ·图像旋转 | 第33-36页 |
| ·Hough变换简介 | 第33页 |
| ·Hough变换的直线检测原理 | 第33-36页 |
| ·图像检测及分割 | 第36-37页 |
| ·太阳能电池图像的小波分解 | 第37-40页 |
| ·小波变换思想 | 第37-38页 |
| ·小波变换的优点 | 第38-39页 |
| ·2维离散小波变换 | 第39-40页 |
| ·太阳能电池实验数据库的建立 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第三章 太阳能电池图像的特征提取 | 第42-55页 |
| ·引言 | 第42-43页 |
| ·图像灰度特征提取 | 第43-51页 |
| ·维度灾难 | 第44-45页 |
| ·主成分分析 | 第45-50页 |
| ·模糊增强PCA | 第50-51页 |
| ·图像方差特征提取 | 第51-52页 |
| ·图像的明暗特征提取 | 第52-53页 |
| ·图像的二值化特征提取 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 支持向量机 | 第55-74页 |
| ·引言 | 第55页 |
| ·支持向量机的简介 | 第55-59页 |
| ·分类模型的选择 | 第55-58页 |
| ·支持向量机的特点和方法 | 第58-59页 |
| ·支持向量机与神经网络的比较 | 第59页 |
| ·核函数的特点及应用 | 第59-62页 |
| ·核函数的性质 | 第60页 |
| ·核函数的发展及应用 | 第60-62页 |
| ·最优核函数的选择与改进 | 第62-66页 |
| ·核函数的选择 | 第62-63页 |
| ·组合核函数的构造 | 第63-66页 |
| ·多分类支持向量机 | 第66-71页 |
| ·分类方法 | 第68页 |
| ·分类器的组合选择 | 第68-69页 |
| ·训练和识别的过程 | 第69页 |
| ·多分类支持向量机用于太阳能电池缺陷图像训练 | 第69-71页 |
| ·支持向量机的应用 | 第71-73页 |
| ·生物信息处理 | 第71-72页 |
| ·图像识别 | 第72页 |
| ·文字识别 | 第72页 |
| ·语音识别 | 第72-73页 |
| ·指纹识别 | 第73页 |
| ·其他应用 | 第73页 |
| ·本章小结 | 第73-74页 |
| 第五章 太阳能电池缺陷识别系统的实现 | 第74-78页 |
| ·数据规格化 | 第74-75页 |
| ·实验结果 | 第75-78页 |
| 第六章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-85页 |
| 致谢 | 第85-86页 |
| 攻读硕士学位期间参加的项目和发表的论文 | 第86页 |
| 1、攻读硕士学位期间发表的论文 | 第86页 |
