棉麻纤维图像分析及自动检测技术的研究
| 摘要 | 第1-8页 |
| Abstract | 第8-14页 |
| 第1章 绪论 | 第14-26页 |
| 第1节 图像分析技术在纺织纤维检测上的应用 | 第14-18页 |
| 第2节 棉麻纤维显微特征 | 第18-22页 |
| 第3节 本论文的研究内容 | 第22-26页 |
| ·本论文的研究意义 | 第22-24页 |
| ·本论文主要研究内容和创新点 | 第24-26页 |
| 第2章 棉麻纤维显微样品制备技术 | 第26-36页 |
| 第1节 纵向片段制样 | 第26-27页 |
| 第2节 纤维截面切片技术 | 第27-35页 |
| ·传统切片技术简介 | 第28-29页 |
| ·树脂包埋剂 | 第29-30页 |
| ·树脂包埋切片步骤 | 第30-32页 |
| ·树脂包埋切片与火棉胶包埋切片对比 | 第32-34页 |
| ·部分纺织纤维截面切片图像 | 第34-35页 |
| 第3节 本章小结 | 第35-36页 |
| 第3章 纺织纤维显微图像自动摄取技术 | 第36-62页 |
| 第1节 自动摄取系统简介 | 第36-41页 |
| ·自动显微镜 | 第36-37页 |
| ·显微摄取系统参数 | 第37-38页 |
| ·图像预处理技术 | 第38-41页 |
| 第2节 光学显微镜自动聚焦原理和聚焦算子 | 第41-45页 |
| ·自动聚焦原理 | 第41-42页 |
| ·常用聚焦算子 | 第42-45页 |
| 第3节 显微图像自动聚焦算法 | 第45-54页 |
| ·聚焦算子选择 | 第45-48页 |
| ·自适应局部区域聚焦 | 第48-49页 |
| ·基于轮廓边缘灰度变化聚焦 | 第49-51页 |
| ·截面图像聚焦 | 第51-52页 |
| ·显微图像聚焦策略 | 第52-54页 |
| 第4节 多焦面图像融合 | 第54-57页 |
| 第5节 显微图像拼接 | 第57-61页 |
| ·模板匹配原则 | 第57-58页 |
| ·模板和匹配区域确定 | 第58-59页 |
| ·梯度图像 | 第59-60页 |
| ·边界处理 | 第60-61页 |
| 第6节 本章小结 | 第61-62页 |
| 第4章 链码在纺织纤维显微图像处理和分析上的应用 | 第62-80页 |
| 第1节 链码的生成与轮廓平滑 | 第62-65页 |
| ·轮廓链码的生成 | 第62-63页 |
| ·轮廓平滑 | 第63-65页 |
| 第2节 方向链码 | 第65-70页 |
| ·方向链码的计算 | 第66-67页 |
| ·方向链码的特征 | 第67-68页 |
| ·轮廓角点提取 | 第68-70页 |
| 第3节 纤维纵向形态交叉的判别及中轴线获取 | 第70-74页 |
| ·纤维片段交叉和头端的判别 | 第71-72页 |
| ·纤维中轴线的获取 | 第72-74页 |
| 第4节 纤维截面图像的分离 | 第74-77页 |
| ·截面粘连判断算法 | 第74-76页 |
| ·串联粘连截面分离算法 | 第76页 |
| ·并联粘连截面分离算法 | 第76-77页 |
| 第5节 截面轮廓的链码描述 | 第77-79页 |
| 第6节 本章小结 | 第79-80页 |
| 第5章 小波变换在纤维截面轮廓特征分析上的应用 | 第80-95页 |
| 第1节 小波变换 | 第80-86页 |
| ·小波变换 | 第80-82页 |
| ·多分辨率分析 | 第82-84页 |
| ·一维Mallat算法 | 第84-86页 |
| 第2节 小波降噪 | 第86-89页 |
| ·小波降噪的原理 | 第86-87页 |
| ·方向链码降噪 | 第87-89页 |
| 第3节 轮廓特征的提取 | 第89-94页 |
| ·基于链码差分的轮廓特征提取 | 第89页 |
| ·轮廓特征的提取 | 第89-93页 |
| ·突变特征相关性分析 | 第93-94页 |
| 第4节 本章小结 | 第94-95页 |
| 第6章 棉麻纤维特征参数提取与识别 | 第95-119页 |
| 第1节 纵向片段特征参数提取与识别 | 第95-106页 |
| ·投影直径 | 第95-98页 |
| ·纤维转曲与弯曲特征 | 第98-101页 |
| ·纤维的横节和裂纹的提取 | 第101-104页 |
| ·棉麻纤维纵向片段识别 | 第104-106页 |
| 第2节 棉麻纤维截面特征参数提取 | 第106-110页 |
| ·统计特征参数定义 | 第106页 |
| ·统计特征参数分布 | 第106-109页 |
| ·特征参数的选择 | 第109-110页 |
| 第3节 基于神经网络的截面特征识别 | 第110-118页 |
| ·神经网络简介 | 第110-111页 |
| ·BP神经网络模型 | 第111-114页 |
| ·截面特征识别研究 | 第114-118页 |
| 第4节 本章小结 | 第118-119页 |
| 第7章 结论 | 第119-121页 |
| 参考文献 | 第121-127页 |
| 已发表的学术论文 | 第127-128页 |
| 致谢 | 第128页 |
