金丝球焊机中高精度识别算法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-17页 |
| ·课题背景和意义 | 第11-12页 |
| ·集成电路（IC）产业的发展 | 第11页 |
| ·我国IC生产设备的发展 | 第11-12页 |
| ·课题的来源 | 第12页 |
| ·金丝球焊机及其图像处理系统 | 第12-15页 |
| ·全自动金丝球焊机的发展 | 第12-13页 |
| ·全自动金丝球焊机的压焊原理 | 第13页 |
| ·全自动金丝球焊机的结构 | 第13-14页 |
| ·图像处理系统的任务及难点分析 | 第14-15页 |
| ·本课题的主要研究内容 | 第15-17页 |
| 第二章 基于改进SUSAN算法的边缘检测算法 | 第17-26页 |
| ·前言 | 第17页 |
| ·芯片图像的预处理 | 第17-20页 |
| ·图像的滤波 | 第17-20页 |
| ·边缘检测算法分析 | 第20-23页 |
| ·Sobel算法 | 第21页 |
| ·Harris角点检测算法 | 第21-22页 |
| ·SUSAN角点检测算法 | 第22-23页 |
| ·基于改进SUSAN算法的芯片边缘检测 | 第23-24页 |
| ·实验结果及分析 | 第24-25页 |
| ·本章小结 | 第25-26页 |
| 第三章 基于小波结构矩的芯片特征提取算法 | 第26-50页 |
| ·前言 | 第26页 |
| ·小波分析的起源和发展概况 | 第26-33页 |
| ·小波分析的产生 | 第26-30页 |
| ·小波分析的发展 | 第30-31页 |
| ·小波的应用 | 第31-33页 |
| ·存在的问题 | 第33页 |
| ·常用的小波函数 | 第33-43页 |
| ·Haar小波 | 第34页 |
| ·Morlet小波 | 第34-35页 |
| ·Shannon小波 | 第35-36页 |
| ·Mexican hat 小波 | 第36页 |
| ·B样条函数基础 | 第36-38页 |
| ·三次B样条标准正交小波函数的构造 | 第38-43页 |
| ·小波矩的基本原理 | 第43-45页 |
| ·一般矩在极坐标下的通用表达式 | 第43-44页 |
| ·小波矩在极坐标下的通用表达式和不变性证明 | 第44-45页 |
| ·小波结构矩的基本原理 | 第45-49页 |
| ·结构矩方法 | 第45-48页 |
| ·小波结构矩原理及计算方法 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 全局矩与小波结构矩的分析比较 | 第50-63页 |
| ·前言 | 第50页 |
| ·全局矩 | 第50-53页 |
| ·几何矩（Geometric moment） | 第50-51页 |
| ·Hu矩 | 第51-52页 |
| ·Zernike矩 | 第52-53页 |
| ·旋转矩 | 第53页 |
| ·复数矩 | 第53页 |
| ·矩的物理意义及矩特征的比较 | 第53-55页 |
| ·矩不变量的物理意义 | 第53-55页 |
| ·矩特征的比较 | 第55页 |
| ·图像相似度的度量方法 | 第55-57页 |
| ·用欧氏距离系数法计算相似度 | 第55-56页 |
| ·其他相似度度量方法 | 第56-57页 |
| ·基于全局矩与小波结构矩的特征提取实验结果比较 | 第57-61页 |
| ·Hu矩、结构矩与小波结构矩的不变性比较 | 第58-60页 |
| ·Hu矩、结构矩和小波结构矩的实时性比较 | 第60页 |
| ·图像的欧几里德距离比较 | 第60-61页 |
| ·本章小结 | 第61-63页 |
| 第五章 基于小波神经网络的芯片图像识别 | 第63-85页 |
| ·小波结构矩特征的神经网络目标识别算法原理 | 第63-64页 |
| ·基本原理 | 第63页 |
| ·原理框图 | 第63-64页 |
| ·人工神经网络（ANN）基础 | 第64-72页 |
| ·人工神经网络发展概况 | 第64-66页 |
| ·人工神经元及其特性 | 第66-68页 |
| ·神经网络模型 | 第68-70页 |
| ·神经网络的学习算法 | 第70-72页 |
| ·基于BP神经网络的目标识别 | 第72-77页 |
| ·BP网络模型特点 | 第73-74页 |
| ·BP网络学习算法 | 第74-77页 |
| ·BP神经网络的训练学习 | 第77页 |
| ·基于小波神经网络的目标识别 | 第77-81页 |
| ·小波神经网络的提出 | 第78页 |
| ·小波神经网络算法 | 第78-80页 |
| ·小波函数的选择 | 第80页 |
| ·小波网络面临的挑战 | 第80-81页 |
| ·小波神经网络和BP神经网络的实验结果与比较 | 第81-84页 |
| ·神经网络结构的设计 | 第81页 |
| ·神经网络设计及其参数的设置 | 第81-83页 |
| ·神经网络样本的训练和测试结果 | 第83-84页 |
| ·本章小结 | 第84-85页 |
| 总结与展望 | 第85-86页 |
| 参考文献 | 第86-89页 |
| 攻读学位期间发表的论文 | 第89-90页 |
| 致谢 | 第90页 |
