| 摘要 | 第1-5页 |
| Abstract | 第5-11页 |
| 第一章 绪论 | 第11-21页 |
| ·问题的提出 | 第11-12页 |
| ·无损检测的意义和方法 | 第12-15页 |
| ·无损检测的内涵 | 第12-13页 |
| ·无损检测的意义 | 第13-14页 |
| ·无损检测方法 | 第14-15页 |
| ·炭素材料无损检测的研究现状 | 第15-17页 |
| ·论文的研究背景和意义 | 第17-18页 |
| ·论文研究的内容 | 第18-20页 |
| ·论文的创新与局限 | 第20-21页 |
| 第二章 炭素制品缺陷检测方法及成像技术探讨 | 第21-32页 |
| ·引言 | 第21页 |
| ·阴极炭块的缺陷类型及检测要求探讨 | 第21-22页 |
| ·阴极炭块的缺陷类型 | 第21-22页 |
| ·缺陷的检测要求 | 第22页 |
| ·炭素制品内部缺陷检测方法的探讨 | 第22-26页 |
| ·试块的制作 | 第22-23页 |
| ·检测方法的探讨 | 第23-26页 |
| ·炭素制品X射线成像技术研究 | 第26-31页 |
| ·缺陷成像特征描述 | 第26-27页 |
| ·X射线衰减规律 | 第27页 |
| ·X射线检测原理 | 第27-28页 |
| ·炭素制品曝光曲线的确定 | 第28-31页 |
| ·本章小结 | 第31-32页 |
| 第三章 小波分析理论及其在X射线图像处理中的应用研究 | 第32-67页 |
| ·引言 | 第32页 |
| ·小波分析的理论研究 | 第32-44页 |
| ·概述 | 第32-38页 |
| ·图像的二维小波变换 | 第38-40页 |
| ·紧支集双正交样条小波的构造 | 第40-44页 |
| ·基于小波变换的缺陷检测算法流程 | 第44-45页 |
| ·目标区域的分割 | 第45-48页 |
| ·Canny算子检测 | 第45-47页 |
| ·边界分割算法及分割结果 | 第47-48页 |
| ·基于小波变换的图像增强技术 | 第48-56页 |
| ·传统图像增强处理技术 | 第49-51页 |
| ·基于小波变换的阈值化去噪方法 | 第51-52页 |
| ·基于软阈值的小波图像增强 | 第52-53页 |
| ·直方图加子波的图像增强 | 第53-54页 |
| ·图像的不均度调整 | 第54-56页 |
| ·基于小波变换的缺陷边缘提取 | 第56-62页 |
| ·传统边缘检测算法存在的问题 | 第56页 |
| ·基于小波变换的边缘检测原理 | 第56-57页 |
| ·基于B样条小波的多尺度局部模极大值边缘检测 | 第57-59页 |
| ·图像检测结果分析 | 第59-61页 |
| ·小波边缘检测图的二值去噪处理 | 第61-62页 |
| ·基于小波变换的缺陷区域提取 | 第62-65页 |
| ·基于灰度的分割 | 第62-63页 |
| ·基于小波变换的阈值法分割 | 第63-65页 |
| ·本章小结 | 第65-67页 |
| 第四章 基于数学形态学的X射线图像缺陷检测方法研究 | 第67-92页 |
| ·引言 | 第67页 |
| ·数学形态学的理论研究 | 第67-71页 |
| ·数学形态学的基本概念 | 第67-68页 |
| ·数学形态学的基本运算 | 第68-69页 |
| ·基于数学形态学的图像分割与边缘检测 | 第69-71页 |
| ·噪声滤除 | 第71页 |
| ·基于数学形态学的缺陷区域提取 | 第71-87页 |
| ·最佳阈值的选取 | 第72-75页 |
| ·可疑点的搜索及其区域的确定 | 第75-77页 |
| ·图像的噪声去除 | 第77-79页 |
| ·图像可疑点的合并 | 第79-80页 |
| ·缺陷样本的输出 | 第80-87页 |
| ·基于数学形态学的缺陷边缘提取 | 第87-90页 |
| ·二值图像的缺陷边缘提取 | 第87-89页 |
| ·边缘提取的噪声影响分析 | 第89-90页 |
| ·本章小结 | 第90-92页 |
| 第五章 X射线图像的缺陷特征提取与选择 | 第92-108页 |
| ·引言 | 第92页 |
| ·缺陷原始特征量的提取 | 第92-100页 |
| ·特征提取与选择的基本概念 | 第92-94页 |
| ·原始特征量的提取 | 第94-97页 |
| ·缺陷样本特征值的输出 | 第97-100页 |
| ·基于遗传算法的特征优化选择 | 第100-107页 |
| ·遗传算法的基本原理和方法 | 第100-101页 |
| ·特征组合分类能力的数学模型 | 第101-102页 |
| ·基于遗传算法的特征选择 | 第102-104页 |
| ·仿真结果及分析 | 第104-107页 |
| ·本章小结 | 第107-108页 |
| 第六章 基于神经网络的缺陷模式识别 | 第108-126页 |
| ·引言 | 第108-109页 |
| ·神经网络的选择与算法原理 | 第109-112页 |
| ·神经网络选择 | 第109页 |
| ·BP神经网络模型的算法 | 第109-112页 |
| ·基于BP网络的分类器设计 | 第112-119页 |
| ·BP网络模型的结构设计 | 第112-115页 |
| ·BP网络的建立、学习和训练 | 第115-117页 |
| ·BP网络分类器性能评估 | 第117-119页 |
| ·缺陷的识别 | 第119-124页 |
| ·学习样本和测试样本的获取 | 第119-122页 |
| ·特征选择的结果 | 第122页 |
| ·特征选择结果的归一化处理 | 第122-123页 |
| ·分类器的测试结果 | 第123-124页 |
| ·本章小结 | 第124-126页 |
| 第七章 X射线自动检测系统研制 | 第126-133页 |
| ·引言 | 第126页 |
| ·系统总体设计方案 | 第126-127页 |
| ·系统软件开发 | 第127-130页 |
| ·软件系统总体结构 | 第127-129页 |
| ·系统的工作流程 | 第129-130页 |
| ·系统功能与操作 | 第130-132页 |
| ·本章小结 | 第132-133页 |
| 第八章 结论 | 第133-136页 |
| 参考文献 | 第136-143页 |
| 致谢 | 第143-144页 |
| 攻读博士学位期间发表的论文及研究成果 | 第144-145页 |
| 攻读博士学位期间从事的相关的科研工作 | 第145页 |