| 摘要 | 第1-3页 |
| ABSTRACT | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-11页 |
| §1.1 固体火箭发动机缺陷识别的背景和现状 | 第6-7页 |
| §1.2 论文背景和国内外研究现状 | 第7页 |
| §1.3 固体火箭发动机缺陷边缘提取过程中小波方法的应用 | 第7-8页 |
| §1.4 固体火箭发动机缺陷识别过程中人工神经网络技术的运用 | 第8页 |
| §1.5 论文主要研究内容 | 第8-9页 |
| §1.6 本章小结 | 第9-11页 |
| 第二章 X射线探伤胶片图像边缘检测算法 | 第11-32页 |
| §2.1 边缘提取的基本概念和在数字图像处理中的意义 | 第11页 |
| §2.2 边缘提取现有方法之间的比较 | 第11-17页 |
| §2.3 小波分析方法简介 | 第17-18页 |
| §2.4 利用小波变换实现边缘检测 | 第18-27页 |
| §2.4.1 小波的多尺度分析 | 第18-20页 |
| §2.4.2 小波变换的图像边界检测算法 | 第20-21页 |
| §2.4.3 用小波变换提取固体火箭发动机X射线探伤胶片图像边界边缘 | 第21-23页 |
| §2.4.4 利用小波变换检测边缘中应用自适应阈值的方法 | 第23-27页 |
| §2.5 对于X射线探伤胶片图像去除噪声的算法研究 | 第27-31页 |
| §2.6 本章小结 | 第31-32页 |
| 第三章 运用人工神经网络对固体火箭发动机缺陷进行判断 | 第32-49页 |
| §3.1 人工神经网络的基本概念 | 第32-35页 |
| §3.2 数字图像的获取 | 第35页 |
| §3.3 图像预处理 | 第35-36页 |
| §3.4 同体火箭发动机X射线探伤胶片图像缺陷特征提取 | 第36-42页 |
| §3.4.1 区域灰度差异指数G_1 | 第36-37页 |
| §3.4.2 中央区域灰度异常指数G_2 | 第37-40页 |
| §3.4.3 区域灰度不规则指数G_3 | 第40-41页 |
| §3.4.4 边缘点填充指数G_4 | 第41页 |
| §3.4.5 本节小结 | 第41-42页 |
| §3.5 人工神经网络的选取应用原理 | 第42-45页 |
| §3.6 缺陷判断结果分析 | 第45-47页 |
| §3.7 本章小结 | 第47-49页 |
| 第四章 原型系统REDRS中其他辅助功能介绍 | 第49-62页 |
| §4.1 几何变换 | 第49-51页 |
| §4.1.1 双线性插值方法简介 | 第50-51页 |
| §4.1.2 原型系统中几何变换的实现 | 第51页 |
| §4.2 灰度变换 | 第51-54页 |
| §4.2.1 灰度拉伸 | 第52-53页 |
| §4.2.2 灰度均衡 | 第53-54页 |
| §4.3 图像增强 | 第54-57页 |
| §4.3.1 图像平滑 | 第54-55页 |
| §4.3.2 彩色编码 | 第55-57页 |
| §4.4 图像分析 | 第57-60页 |
| §4.4.1 小波变换提取边界 | 第57页 |
| §4.4.2 选择疑似缺陷区域 | 第57-59页 |
| §4.4.3 人工神经网络分析 | 第59页 |
| §4.4.4 灰度剖面选取 | 第59-60页 |
| §4.5 本章小结 | 第60-62页 |
| 第五章 结束语 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 作者硕士期间论文发表情况 | 第66-67页 |
| 致谢 | 第67-68页 |
