| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究的目的及意义 | 第10-11页 |
| 1.2 国内外研究背景及动态 | 第11-16页 |
| 1.2.1 铝板表面缺陷检测的背景及国内外研究动态 | 第11-13页 |
| 1.2.2 支撑向量机研究背景及国内外研究现状 | 第13-16页 |
| 1.3 本文主要研究内容 | 第16页 |
| 1.4 论文章节安排 | 第16-17页 |
| 第二章 支撑向量机的相关理论 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 结构风险最小化 | 第17-19页 |
| 2.3 支撑向量机相关理论 | 第19-25页 |
| 2.3.1 最优分类面 | 第19-22页 |
| 2.3.2 支撑向量机 | 第22-24页 |
| 2.3.3 核函数 | 第24-25页 |
| 2.3.4 多类问题中的SVM | 第25页 |
| 2.4 本章小结 | 第25-27页 |
| 第三章 铝板表面缺陷图像的预处理及缺陷边缘检测 | 第27-43页 |
| 3.1 引言 | 第27页 |
| 3.2 铝板缺陷种类 | 第27-28页 |
| 3.3 图像预处理技术 | 第28-36页 |
| 3.3.1 滤波器去噪 | 第28-29页 |
| 3.3.2 亮度均衡化 | 第29-32页 |
| 3.3.3 直方图修正 | 第32-35页 |
| 3.3.4 图像锐化 | 第35-36页 |
| 3.3.5 本文采用的图像预处理技术 | 第36页 |
| 3.4 缺陷图像边缘检测 | 第36-42页 |
| 3.4.1 常见边缘检测方法 | 第36-40页 |
| 3.4.2 本文采用的边缘检测方法 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 铝板表面缺陷图像的特征提取 | 第43-49页 |
| 4.1 引言 | 第43页 |
| 4.2 铝板表面缺陷图像的特征 | 第43-47页 |
| 4.2.1 形状特征 | 第43-44页 |
| 4.2.2 灰度特征 | 第44-46页 |
| 4.2.3 纹理特征 | 第46-47页 |
| 4.3 本文提取的特征 | 第47-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 铝板表面缺陷分类实现 | 第49-64页 |
| 5.1 引言 | 第49-50页 |
| 5.2 铝板表面缺陷分类系统总体设计 | 第50-52页 |
| 5.3 表面缺陷检测分类器的选择 | 第52-62页 |
| 5.3.1 贝叶斯分类器 | 第53-55页 |
| 5.3.2 K均值聚类算法 | 第55-56页 |
| 5.3.3 决策树分类器 | 第56-58页 |
| 5.3.4 SVM分类器 | 第58-62页 |
| 5.4 分类测试结果与分析 | 第62-63页 |
| 5.5 本章小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-69页 |
| 攻读硕士学位期间取得的科研成果 | 第69-70页 |