木材缺陷的FBP神经网络识别与原木年轮统计检测研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 1 绪论 | 第7-11页 |
| 1.1 研究背景和研究意义 | 第7-8页 |
| 1.2 数字图像处理技术概括介绍 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-10页 |
| 1.4 课题的主要研究内容 | 第10-11页 |
| 2 木材缺陷图像获取与特征值提取 | 第11-17页 |
| 2.1 木材缺陷图像获取 | 第11-12页 |
| 2.1.1 X射线木材缺陷图像成像原理 | 第11页 |
| 2.1.2 木材缺陷图像采集 | 第11-12页 |
| 2.2 木材缺陷图像特征值提取 | 第12-16页 |
| 2.2.1 灰度共生矩阵的生成和影响参数选择 | 第12-14页 |
| 2.2.2 缺陷图像特征值的提取与分析 | 第14-16页 |
| 2.3 本章小结 | 第16-17页 |
| 3 模糊BP神经网络的建立与木材缺陷识别 | 第17-27页 |
| 3.1 模糊BP神经网络的建立 | 第17-24页 |
| 3.1.1 模糊理论 | 第17页 |
| 3.1.2 BP神经网络 | 第17-19页 |
| 3.1.3 模糊BP神经网络（FBP）的设计 | 第19-24页 |
| 3.2 应用FBP神经网络进行缺陷识别 | 第24-26页 |
| 3.3 本章小结 | 第26-27页 |
| 4 原木年轮图像的增强处理与年轮提取 | 第27-34页 |
| 4.1 年轮图像的增强处理 | 第27-30页 |
| 4.1.1 树木年轮的研究意义 | 第27-28页 |
| 4.1.2 年轮图像的增强 | 第28-30页 |
| 4.2 树木年轮提取 | 第30-33页 |
| 4.3 本章小结 | 第33-34页 |
| 5 年轮图像缺陷剔除与原木年轮统计 | 第34-41页 |
| 5.1 年轮图像中的树木缺陷剔除 | 第34-38页 |
| 5.2 原木年轮统计 | 第38-40页 |
| 5.2.1 断轮连接方法参考 | 第38-39页 |
| 5.2.2 年轮数目统计 | 第39-40页 |
| 5.3 本章小结 | 第40-41页 |
| 结论 | 第41-42页 |
| 参考文献 | 第42-45页 |
| 攻读学位期间发表的学术论文 | 第45-46页 |
| 致谢 | 第46-47页 |
