| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究的背景及意义 | 第9页 |
| 1.2 镁熔液弱小气泡检测流程 | 第9-10页 |
| 1.3 国内外弱小目标检测研究现状 | 第10-13页 |
| 1.4 论文研究内容和安排 | 第13-15页 |
| 第二章 基于小波图像融合的镁熔液第一气泡检测 | 第15-35页 |
| 2.1 镁熔液图像特性分析 | 第15-18页 |
| 2.1.1 镁熔液试验方法与方案 | 第15页 |
| 2.1.2 镁熔液图像数学描述 | 第15-16页 |
| 2.1.3 镁熔液图像中各组成部分特性分析 | 第16-18页 |
| 2.2 小波变换基本理论 | 第18-20页 |
| 2.2.1 连续小波变换 | 第18-19页 |
| 2.2.2 离散小波变换 | 第19-20页 |
| 2.3 多分辨率分析 | 第20-22页 |
| 2.3.1 多分辨率分析简介 | 第20-21页 |
| 2.3.2 快速离散小波变换方法 | 第21-22页 |
| 2.4 图像融合基本理论 | 第22-25页 |
| 2.4.1 图像融合概述 | 第22-23页 |
| 2.4.2 融合图像的质量评价 | 第23-25页 |
| 2.5 基于小波变换图像融合的第一气泡检测 | 第25-31页 |
| 2.5.1 基于小波变换的图像融合方法 | 第25-29页 |
| 2.5.2 罗宾逊滤波法 | 第29页 |
| 2.5.3 自适应阈值分割 | 第29-30页 |
| 2.5.4 检测流程分析 | 第30-31页 |
| 2.6 仿真结果与分析 | 第31-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第三章 基于支持向量机的镁熔液第一气泡检测 | 第35-45页 |
| 3.1 支持向量机的理论概述 | 第35-38页 |
| 3.1.1 机器学习与结构风险最小化 | 第35-37页 |
| 3.1.2 支持向量机原理 | 第37-38页 |
| 3.2 基于支持向量机回归的背景预测 | 第38-39页 |
| 3.2.1 支持向量机回归原理 | 第38-39页 |
| 3.2.2 基于支持向量机回归的背景预测步骤 | 第39页 |
| 3.3 改进的自适应阈值分割 | 第39-41页 |
| 3.3.1 OSTU分割方法 | 第39-40页 |
| 3.3.2 改进的OSTU分割 | 第40-41页 |
| 3.4 基于支持向量机的第一气泡检测方法流程分析 | 第41-42页 |
| 3.5 仿真结果与分析 | 第42-44页 |
| 3.6 本章小结 | 第44-45页 |
| 第四章 镁熔液第一气泡随机析出对图像检测方法的影响 | 第45-54页 |
| 4.1 图像复杂度理论 | 第45-49页 |
| 4.1.1 复杂度定义 | 第45-46页 |
| 4.1.2 图像复杂度 | 第46页 |
| 4.1.3 图像复杂度描述 | 第46-49页 |
| 4.2 第二位置及第三位置全域背景图像分析 | 第49-50页 |
| 4.2.1 全域背景分析 | 第49-50页 |
| 4.2.2 全域背景复杂度分析结果 | 第50页 |
| 4.3 气泡邻域背景分析 | 第50-52页 |
| 4.3.1 第二位置及第三位置气泡析出特性分析 | 第50-52页 |
| 4.3.2 气泡邻域背景复杂度分析结果 | 第52页 |
| 4.4 仿真结果与分析 | 第52-53页 |
| 4.5 本章小结 | 第53-54页 |
| 第五章 第一气泡与浮渣实时自动识别检测 | 第54-59页 |
| 5.1 浮渣特性分析 | 第54-55页 |
| 5.1.1 浮渣静态特性分析 | 第54-55页 |
| 5.1.2 浮渣动态特性分析 | 第55页 |
| 5.2 浮渣与气泡辨识方法 | 第55-57页 |
| 5.2.1 基于析出规律差异的辨识方法 | 第56页 |
| 5.2.2 基于亚像素理论的辨识方法 | 第56-57页 |
| 5.3 仿真结果与分析 | 第57-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章总结与展望 | 第59-61页 |
| 6.1 总结 | 第59-60页 |
| 6.2 展望和不足 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 在学研究成果 | 第66-67页 |
| 致谢 | 第67页 |