| 摘要 | 第1-4页 |
| ABSTRACT | 第4-9页 |
| 1. 引言 | 第9-11页 |
| ·木材资源利用现状 | 第9页 |
| ·木材工业面临问题 | 第9-11页 |
| 2. 木材缺陷与无损检测技术 | 第11-17页 |
| ·木材缺陷种类及其对木材质量的影响 | 第11-12页 |
| ·木材缺陷种类 | 第11-12页 |
| ·节子 | 第11页 |
| ·虫眼 | 第11-12页 |
| ·木材缺陷对木材质量的影响 | 第12页 |
| ·节子对木材抗拉强度及抗压强度的影响 | 第12页 |
| ·虫害对木材材质的影响 | 第12页 |
| ·木材表面缺陷无损检测研究现状与展望 | 第12-13页 |
| ·木材表面缺陷无损检测技术发展现状 | 第12-13页 |
| ·木材表面缺陷无损检测技术发展趋势 | 第13页 |
| ·木材缺陷图像处理无损检测系统构成 | 第13-14页 |
| ·本文研究的意义和主要内容 | 第14-15页 |
| ·本文研究的目的和意义 | 第14-15页 |
| ·本文研究的主要内容 | 第15页 |
| ·本章小结 | 第15-17页 |
| 3. 木材缺陷数字图像的预处理单元设计 | 第17-31页 |
| ·数字图像处理技术概述 | 第17-21页 |
| ·数字图像处理内容 | 第17-18页 |
| ·数字图像处理基本运算 | 第18-19页 |
| ·点运算 | 第18页 |
| ·邻域运算 | 第18-19页 |
| ·数字图像处理方法 | 第19-21页 |
| ·图像增强 | 第19页 |
| ·边缘检测 | 第19-21页 |
| ·木材缺陷数字图像处理 | 第21-30页 |
| ·木材缺陷图片预处理过程总体设计 | 第21页 |
| ·木材缺陷数字图像的表示 | 第21-23页 |
| ·木材缺陷图像灰度变化 | 第23-26页 |
| ·木材缺陷图像灰度化 | 第23页 |
| ·灰度变换 | 第23-26页 |
| ·空间域木材缺陷图像平滑 | 第26-28页 |
| ·邻域平均法 | 第26页 |
| ·中值滤波 | 第26-27页 |
| ·木材缺陷图像平滑算法选择 | 第27-28页 |
| ·木材缺陷数字图像阈值化分割 | 第28-30页 |
| ·最大类间方差法 | 第28页 |
| ·最佳熵自动阈值法 | 第28-29页 |
| ·最小误差法 | 第29页 |
| ·木材缺陷图像二值化方法选择 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 4. 木材缺陷图像特征提取单元 | 第31-47页 |
| ·木材缺陷图像特征提取单元系统设计 | 第31-33页 |
| ·木材缺陷图像特征提取原则 | 第31-32页 |
| ·什么是图像特征 | 第31页 |
| ·提取原则 | 第31-32页 |
| ·木材缺陷图像特征识别类型的选取 | 第32页 |
| ·木材缺陷图像特征提取总体设计 | 第32-33页 |
| ·木材缺陷轮廓特征提取模块 | 第33-42页 |
| ·木材缺陷轮廓点坐标提取 | 第33-36页 |
| ·木材缺陷轮廓特征值提取 | 第36-37页 |
| ·木材缺陷轮廓特征数据降维 | 第37-42页 |
| ·主元分析法（PCA）概述 | 第37-39页 |
| ·木材缺陷轮廓特征数据主元提取 | 第39-42页 |
| ·缺陷灰度特征提取模块 | 第42-45页 |
| ·木材缺陷灰度均值提取 | 第42-44页 |
| ·木材缺陷灰度方差提取 | 第44-45页 |
| ·本章小结 | 第45-47页 |
| 5. 基于LVQ 神经网络的木材缺陷模式识别系统模型 | 第47-61页 |
| ·木材缺陷模式识别理论及发展 | 第47-51页 |
| ·模式识别系统构成 | 第47-48页 |
| ·基于人工神经网络的模式识别 | 第48-51页 |
| ·人工神经网络概述 | 第48-49页 |
| ·人工神经元 | 第49页 |
| ·人工神经网络模型模型 | 第49-50页 |
| ·LVQ 神经网络的优势 | 第50-51页 |
| ·学习矢量量化（LVQ）神经网络 | 第51-52页 |
| ·LVQ 函数网络概述 | 第51-52页 |
| ·LVQ 网络结构 | 第51-52页 |
| ·LVQ 学习算法 | 第52页 |
| ·基于学习矢量量化神经网络的木材缺陷模式识别系统设计 | 第52-59页 |
| ·木材缺陷识别LVQ 训练过程 | 第52-53页 |
| ·木材缺陷识别LVQ 神经网络系统模型 | 第53-59页 |
| ·Matlab 引擎 | 第53-54页 |
| ·木材缺陷LVQ 神经网络搭建 | 第54-56页 |
| ·网络训练 | 第56-58页 |
| ·网络测试 | 第58-59页 |
| ·实验结果分析 | 第59-60页 |
| ·关于识别准确率 | 第59页 |
| ·关于最小分辨率 | 第59-60页 |
| ·本章小结 | 第60-61页 |
| 6. 结论与建议 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·建议与展望 | 第62-63页 |
| ·后续研究重点 | 第62页 |
| ·关于木材缺陷在线检测系统搭建 | 第62页 |
| ·关于木材缺陷特征量的选择 | 第62页 |
| ·关于模式识别 | 第62页 |
| ·关于缺陷类型的选择 | 第62页 |
| ·展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 个人简介 | 第66-67页 |
| 导师简介 | 第67-68页 |
| 获得成果目录清单 | 第68-69页 |
| 致谢 | 第69页 |