| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 前言 | 第8-15页 |
| 1.1 研究背景和意义 | 第8页 |
| 1.2 国内外的研究概况 | 第8-11页 |
| 1.2.1 轧辊磨损检测现状 | 第8-10页 |
| 1.2.2 图像处理技术及分形理论在形貌分析中应用概况 | 第10-11页 |
| 1.3 轧辊磨损表面形貌图像变化特征 | 第11-13页 |
| 1.4 主要研究内容 | 第13-15页 |
| 第2章 数字图像常用的图像处理技术 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 图像预处理 | 第15-22页 |
| 2.2.1 灰度变换 | 第15-18页 |
| 2.2.2 图像平滑 | 第18-20页 |
| 2.2.3 图像锐化 | 第20-22页 |
| 2.3 图像分割 | 第22-26页 |
| 2.3.1 阈值分割 | 第22-24页 |
| 2.3.2 边缘检测 | 第24-26页 |
| 2.4 轧辊磨损形貌的图像处理 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第3章 轧辊磨损图像的特征提取 | 第28-37页 |
| 3.1 图像的几何特征 | 第28-30页 |
| 3.2 图像的纹理特征 | 第30-32页 |
| 3.3 轧辊磨损形貌图像特征提取结果 | 第32-36页 |
| 3.3.1 轧辊磨损形貌图像几何特征提取结果和分析 | 第32-35页 |
| 3.3.2 轧辊磨损形貌图像纹理特征提取结果和分析 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第4章 轧辊磨损形貌的分形行为 | 第37-46页 |
| 4.1 引言 | 第37页 |
| 4.2 分形理论基础 | 第37-41页 |
| 4.2.1 分形的定义 | 第37-39页 |
| 4.2.2 分形维数的含义 | 第39-40页 |
| 4.2.3 分形几何与欧氏几何的对比 | 第40-41页 |
| 4.3 轧辊磨损形貌分形维数的测定 | 第41-45页 |
| 4.3.1 盒计数法原理 | 第41-42页 |
| 4.3.2 轧辊磨损形貌分形维数测定实验 | 第42-44页 |
| 4.3.3 结果与分析 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第5章 轧辊磨损形貌图像识别技术 | 第46-54页 |
| 5.1 引言 | 第46页 |
| 5.2 模式识别主要方法简介 | 第46-47页 |
| 5.2.1 统计方法 | 第46页 |
| 5.2.2 模糊识别方法 | 第46-47页 |
| 5.2.3 句法方法 | 第47页 |
| 5.2.4 智能模式识别法 | 第47页 |
| 5.3 BP 神经网络 | 第47-50页 |
| 5.4 基于 BP 神经网络的轧辊磨损形貌识别模型 | 第50-51页 |
| 5.5 软件系统开发 | 第51-53页 |
| 5.6 本章小结 | 第53-54页 |
| 第6章 结论与展望 | 第54-56页 |
| 6.1 结论 | 第54-55页 |
| 6.2 展望 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间发表的论文 | 第61页 |
