基于小波变换和遗传算法的机器视觉缺陷检测研究

摘要	第1-4页
Abstract	第4-5页
目录	第5-7页
1 绪论	第7-12页
·课题研究的背景和意义	第7-8页
·课题国内外发展情况	第8-9页
·设计检测系统的组成	第9-10页
·课题任务的内容及思路	第10-12页
2 玻璃缺陷图像预处理	第12-23页
·典型玻璃缺陷	第12-14页
·玻璃缺陷图像的预处理	第14-22页
·玻璃缺陷图像的灰度处理	第14-16页
·灰度图像的线性变换	第16-17页
·灰度图像的二值化处理	第17-18页
·小波变换去噪的应用	第18-22页
·本章小结	第22-23页
3 玻璃缺陷图像特征提取	第23-34页
·小波神经网络	第23-26页
·遗传算法的小波网络	第26-30页
·图像的特征提取	第30-33页
·基于概率距离判据的特征提取法	第30-31页
·类别可分离性判据	第31页
·K-L变换	第31-32页
·具体应用及结果分析	第32-33页
·本章小结	第33-34页
4 玻璃缺陷图像分类识别	第34-44页
·标准的最小距离分类器	第34-35页
·加权最小距离分类器	第35-39页
·多重限制分类器	第35页
·标称型和字符串型属性	第35-36页
·属性的方差	第36页
·算法描述	第36-37页
·分类器比较分析	第37-39页
·实验结果与分析	第39-42页
·识别率与识别方法	第39-41页
·缺陷识别率与训练样本数量的关系	第41-42页
·本章总结	第42-44页
5 总结与展望	第44-46页
致谢	第46-47页
参考文献	第47-49页