| 摘要 | 第1-10页 |
| ABSTRACT | 第10-13页 |
| 第一章 绪论 | 第13-17页 |
| 1．1 腐蚀诊断 | 第13-14页 |
| 1．2 本文的选题背景和研究内容 | 第14-16页 |
| 参考文献 | 第16-17页 |
| 第二章 文献综述 | 第17-38页 |
| 2．1 腐蚀图像技术的研究进展 | 第17-20页 |
| 2．1．1 腐蚀区域的检测 | 第18页 |
| 2．1．2 腐蚀程度的评价 | 第18-19页 |
| 2．1．3 腐蚀区域的形态描述 | 第19-20页 |
| 2．1．4 腐蚀图像处理技术的研究 | 第20页 |
| 2．2 腐蚀研究中的小波变换技术 | 第20-22页 |
| 2．2．1 腐蚀图像特征的提取 | 第21-22页 |
| 2．2．2 腐蚀电化学噪声分析 | 第22页 |
| 2．3 腐蚀研究中的神经网络方法 | 第22-28页 |
| 2．3．1 材料在不同环境中的腐蚀状况预测 | 第23-25页 |
| 2．3．2 腐蚀类型预测 | 第25-26页 |
| 2．3．3 腐蚀数据的优选 | 第26-27页 |
| 2．3．4 设备腐蚀的在线预测 | 第27页 |
| 2．3．5 研究腐蚀机理 | 第27-28页 |
| 2．3．6 其它应用 | 第28页 |
| 2．4 腐蚀研究中的分形理论 | 第28-30页 |
| 2．5 小结 | 第30页 |
| 参考文献 | 第30-38页 |
| 第三章 腐蚀图像分割与特征提取方法的建立 | 第38-64页 |
| 3．1 腐蚀图像获取 | 第39-40页 |
| 3．1．1 化学浸泡实验 | 第39页 |
| 3．1．2 实验方法 | 第39-40页 |
| 3．2 腐蚀图像数字化 | 第40-42页 |
| 3．2．1 腐蚀图像的数据矩阵 | 第40-41页 |
| 3．2．2 腐蚀灰度图像 | 第41-42页 |
| 3．3 腐蚀图像增强 | 第42-44页 |
| 3．4 腐蚀图像分割 | 第44-54页 |
| 3．4．1 腐蚀图像边缘检测 | 第44-51页 |
| 3．4．2 基于小波变换的图像分割 | 第51-53页 |
| 3．4．3 5454铝合金孔蚀图像的小波变换分割结果 | 第53-54页 |
| 3．5 腐蚀图像特征提取 | 第54-61页 |
| 3．5．1 基于灰度矩阵的腐蚀图像统计特征提取 | 第54-56页 |
| 3．5．2 基于小波变换的腐蚀图像特征提取 | 第56-57页 |
| 3．5．3 基于二值腐蚀图像的特征提取 | 第57-61页 |
| 3．6 小结 | 第61-62页 |
| 参考文献 | 第62-64页 |
| 第四章 304不锈钢腐蚀形貌的特征提取 | 第64-85页 |
| 4．1 实验方法 | 第64-65页 |
| 4．1．1 实验介质与材料 | 第64页 |
| 4．1．2 化学浸泡实验 | 第64-65页 |
| 4．2 304不锈钢腐蚀图像的特征提取 | 第65-76页 |
| 4．2．1 灰度统计特征提取 | 第65-67页 |
| 4．2．2 小波变换特征提取 | 第67-71页 |
| 4．2．3 二值腐蚀图像特征提取 | 第71-76页 |
| 4．3 304不锈钢蚀孔形貌的分形特征 | 第76-80页 |
| 4．3．1 分形 | 第77页 |
| 4．3．2 分形的自相似性与分维数 | 第77页 |
| 4．3．3 304不锈钢表面孔蚀形貌的自相似性 | 第77-80页 |
| 4．4 腐蚀形貌与腐蚀行为之间的关系 | 第80-83页 |
| 4．4．1 FeCl_3溶液浓度和温度对腐蚀速率的影响 | 第80-81页 |
| 4．4．2 试样孔蚀率与腐蚀速率的关系 | 第81-82页 |
| 4．4．3 蚀孔密度与腐蚀速率的关系 | 第82-83页 |
| 4．5 小结 | 第83-84页 |
| 参考文献 | 第84-85页 |
| 第五章 304不锈钢蚀孔分布分形与特征提取 | 第85-101页 |
| 5．1 电化学实验 | 第85-86页 |
| 5．2 阳极极化曲线 | 第86-90页 |
| 5．3 蚀孔深度 | 第90-91页 |
| 5．4 表面蚀孔分布的分形特征 | 第91-99页 |
| 5．5 小结 | 第99-100页 |
| 参考文献 | 第100-101页 |
| 第六章 基于图像特征值和神经网络的孔蚀诊断 | 第101-123页 |
| 6．1 BP神经网络及其算法 | 第102-104页 |
| 6．2 基于神经网络和图像小波变换的腐蚀类型诊断 | 第104-111页 |
| 6．2．1 输入因子的选择 | 第104-105页 |
| 6．2．2 输出值的选择 | 第105页 |
| 6．2．3 隐层确定 | 第105-106页 |
| 6．2．4 学习样本的选取 | 第106-108页 |
| 6．2．5 BP网络的诊断结果与隐层节点数的影响 | 第108-110页 |
| 6．2．6 BP网络诊断结果讨论 | 第110-111页 |
| 6．3 基于神经网络和腐蚀二值图像特征值的腐蚀程度评价 | 第111-116页 |
| 6．3．1 神经网络结构 | 第112页 |
| 6．3．2 神经网络输入参数的确定 | 第112-113页 |
| 6．3．3 隐层节点数的选取与诊断结果 | 第113-116页 |
| 6．4 基于神经网络和图像特征值的腐蚀速率与蚀孔深度的评价 | 第116-120页 |
| 6．5 小结 | 第120-121页 |
| 参考文献 | 第121-123页 |
| 第七章 碳钢表面腐蚀形貌和工业纯铝蚀孔分布分形特征的研究 | 第123-140页 |
| 7．1 碳钢表面均匀腐蚀形貌的分形特征 | 第123-128页 |
| 7．1．1 碳钢的均匀腐蚀实验 | 第123-124页 |
| 7．1．2 碳钢表面腐蚀形貌的自相似性 | 第124-128页 |
| 7．1．3 碳钢表面腐蚀形貌分维数的测定及结果分析 | 第128页 |
| 7．2 太阳能集热器中工业纯铝表面蚀孔分布的分形特征 | 第128-138页 |
| 7．2．1 太阳能集热器中工业纯铝的孔蚀实验 | 第129页 |
| 7．2．2 实验结果 | 第129-133页 |
| 7．2．3 孔蚀机理分析与讨论 | 第133-134页 |
| 7．2．4 工业纯铝表面蚀孔分布分形特征 | 第134-138页 |
| 7．3 小结 | 第138-139页 |
| 参考文献 | 第139-140页 |
| 第八章 结论与展望 | 第140-142页 |
| 8．1 结论 | 第140-141页 |
| 8．2 展望 | 第141-142页 |
| 致谢 | 第142-143页 |
| 博士期间发表和投稿的论文 | 第143-145页 |
