| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第一章 绪论 | 第10-22页 |
| ·研究背景和意义 | 第10-12页 |
| ·研究背景 | 第10-11页 |
| ·研究意义 | 第11-12页 |
| ·关于机器视觉 | 第12-13页 |
| ·机器视觉概述 | 第12-13页 |
| ·机器视觉的特点及其应用 | 第13页 |
| ·纸病的主要类型、特征及其产生原因 | 第13-16页 |
| ·国内外纸病检测方法的研究现状 | 第16-20页 |
| ·基于机器视觉的纸病检测原理 | 第16-18页 |
| ·国外研究现状 | 第18-19页 |
| ·国内研究现状 | 第19-20页 |
| ·本论文研究内容 | 第20-22页 |
| 第二章 利用改进的边缘检测算子检测纸病边缘 | 第22-34页 |
| ·常用边缘检测算子的比较 | 第22-26页 |
| ·常用边缘检测算子的原理 | 第22-24页 |
| ·几种边缘检测算子的效果比较 | 第24-26页 |
| ·利用改进的边缘检测算子检测纸病边缘 | 第26-31页 |
| ·边缘检测算子的改进方法 | 第26-29页 |
| ·四种改进算子的检测效果分析 | 第29-31页 |
| ·纸病边缘检测的优化 | 第31-33页 |
| ·二值数学形态学原理 | 第31-33页 |
| ·用数学形态学处理对纸病边缘进行优化 | 第33页 |
| ·本章小结 | 第33-34页 |
| 第三章 纸病图像预处理和基于纸病区域的特征提取 | 第34-50页 |
| ·纸病图像预处理 | 第34-39页 |
| ·纸病图像特征分析 | 第34-36页 |
| ·纸病图像去噪处理 | 第36-37页 |
| ·对纸病图像进行双阈值分割和膨胀处理 | 第37-38页 |
| ·纸病图像二值化处理 | 第38-39页 |
| ·基于纸病区域的特征提取和选择 | 第39-49页 |
| ·提取纸病区域 | 第39页 |
| ·提取纸病的灰度特征 | 第39-40页 |
| ·提取纸病的形态特征 | 第40-45页 |
| ·提取纸病的纹理特征 | 第45-49页 |
| ·本章小结 | 第49-50页 |
| 第四章 基于 BP 神经网络的纸病识别和纸病检测算法的集成 | 第50-67页 |
| ·基于神经网络的纸病识别 | 第50-60页 |
| ·神经网络理论 | 第50-53页 |
| ·神经网络纸病分类器的构建 | 第53-55页 |
| ·纸病分类器的训练 | 第55-56页 |
| ·纸病分类器的测试结果 | 第56-60页 |
| ·纸病检测算法的集成 | 第60-65页 |
| ·纸病检测分析算法的集成 | 第61-62页 |
| ·用户界面设计 | 第62-65页 |
| ·系统测试结果分析 | 第65页 |
| ·本章小结 | 第65-67页 |
| 总结 | 第67-70页 |
| 参考文献 | 第70-75页 |
| 附录 | 第75-80页 |
| 纸病图像处理及特征提取的代码 | 第75-80页 |
| 攻读硕士学位期间取得的科研成果 | 第80-81页 |
| 致谢 | 第81-82页 |
| 附件 | 第82页 |