基于红外图像的胶囊缺陷检测研究
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 目次 | 第9-11页 |
| 图清单 | 第11-13页 |
| 表清单 | 第13-14页 |
| 1 绪论 | 第14-23页 |
| ·课题研究的背景及意义 | 第14页 |
| ·国内外研究现状 | 第14-15页 |
| ·胶囊缺陷识别系统 | 第15-20页 |
| ·缺陷识别系统简介 | 第15-16页 |
| ·数据集与实验环境 | 第16-17页 |
| ·光源的选择 | 第17-18页 |
| ·胶囊缺陷识别与神经网络分类算法 | 第18-20页 |
| ·系统检测算法流程图 | 第20页 |
| ·论文主要研究内容及创新 | 第20-21页 |
| ·论文的组织结构 | 第21-23页 |
| 2 胶囊缺陷检测系统总体设计 | 第23-37页 |
| ·检测系统原理 | 第23页 |
| ·检测内容 | 第23-24页 |
| ·检测系统理论基础和相关知识 | 第24-31页 |
| ·神经网络简介 | 第24-26页 |
| ·前馈神经网络研究进展与应用 | 第26-27页 |
| ·前馈神经网络深入分析 | 第27-29页 |
| ·反向传播神经网络设计要点 | 第29-30页 |
| ·反向传播神经网络训练与测试 | 第30-31页 |
| ·网络特征向量的选取 | 第31-34页 |
| ·采用 BP 网络识别算法流程图 | 第34-35页 |
| ·本章小结 | 第35-37页 |
| 3 胶囊图像预处理算法 | 第37-66页 |
| ·特征提取一般原则 | 第37-38页 |
| ·基本统计特征 | 第38-40页 |
| ·特征降维 | 第40-46页 |
| ·主成分分析 | 第40-44页 |
| ·采用 PCA 对胶囊特征进行降维 | 第44-46页 |
| ·特征提取算法 | 第46-64页 |
| ·图像预处理 | 第47-48页 |
| ·图像分割 | 第48-54页 |
| ·边缘检测 | 第54-59页 |
| ·纹理特征的提取 | 第59-61页 |
| ·算法的优点和不足 | 第61-62页 |
| ·特征降维实验结果 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 4 二阶段精确检测算法 | 第66-74页 |
| ·图像预处理 | 第66-72页 |
| ·精确检测处理步骤 | 第66-71页 |
| ·精确检测算法流程图 | 第71-72页 |
| ·实验结果及分析 | 第72页 |
| ·本章小结 | 第72-74页 |
| 5 总结与展望 | 第74-76页 |
| ·总结 | 第74页 |
| ·展望 | 第74-76页 |
| 参考文献 | 第76-81页 |
| 作者简历 | 第81页 |
