| 摘要 | 第5-6页 |
| ABSTRACTS | 第6-7页 |
| 第一章 概论 | 第10-22页 |
| 1.1 课题来源及意义 | 第10-11页 |
| 1.2 裂纹识别的研究现状 | 第11-15页 |
| 1.2.1 裂纹图像预处理研究现状 | 第11-12页 |
| 1.2.2 裂纹特征提取研究现状 | 第12-13页 |
| 1.2.3 裂纹分类方法研究现状 | 第13-15页 |
| 1.3 现状分析及研究难点 | 第15-16页 |
| 1.4 几种常用的裂纹识别算法 | 第16-19页 |
| 1.4.1 基于模板匹配的裂纹识别方法 | 第16-17页 |
| 1.4.2 基于边缘像素亮度的裂纹识别 | 第17-18页 |
| 1.4.3 基于低阶Hu不变矩的裂纹特征识别 | 第18-19页 |
| 1.5 论文主要研究内容 | 第19-22页 |
| 第二章 裂纹图像预处理 | 第22-36页 |
| 2.1 裂纹图像灰度变换 | 第22-24页 |
| 2.2 裂纹滤波 | 第24-34页 |
| 2.2.1 图像滤波概述 | 第24-25页 |
| 2.2.2 裂纹滤波处理 | 第25-34页 |
| 2.3 结论 | 第34-36页 |
| 第三章 基于改进的Hough变换的裂纹特征提取 | 第36-50页 |
| 3.1 Hough变换的检测原理 | 第36-42页 |
| 3.1.1 Hough变换检测直线 | 第36-40页 |
| 3.1.2 Hough变换检测圆 | 第40-42页 |
| 3.1.3 Hough检测形状的原理总结 | 第42页 |
| 3.2 裂纹特征矩阵的提取 | 第42-48页 |
| 3.2.1 裂纹特征 | 第42页 |
| 3.2.2 改进的Hough算法流程 | 第42-44页 |
| 3.2.3 裂纹梯度响应计算 | 第44-46页 |
| 3.2.4 裂纹特征矩阵的计算 | 第46-48页 |
| 3.3 结论 | 第48-50页 |
| 第四章 裂纹的分类训练和区域连接 | 第50-64页 |
| 4.1 裂纹的分类训练方法 | 第50-55页 |
| 4.1.1 基于支持向量机SVM的裂纹分类原理 | 第50-52页 |
| 4.1.2 支持向量机SVM的裂纹分类核函数 | 第52-55页 |
| 4.2 裂纹样本SVM训练 | 第55-58页 |
| 4.2.1 裂纹分类样本 | 第55-57页 |
| 4.2.2 支持向量机SVM样本训练模型的建立 | 第57-58页 |
| 4.3 裂纹的区域标记和线条连接 | 第58-61页 |
| 4.3.1 裂纹区域标记 | 第58页 |
| 4.3.2 One component at a time的裂纹连接算法 | 第58-61页 |
| 4.4 结论 | 第61-64页 |
| 第五章 裂纹识别实验与结果分析 | 第64-74页 |
| 5.1 裂纹识别实验流程 | 第64-65页 |
| 5.2 裂纹识别算法实验平台 | 第65页 |
| 5.3 裂纹区域标记实验 | 第65-67页 |
| 5.3.1 200 × 200像素标记验证实验 | 第65-66页 |
| 5.3.2 随机大小裂纹区域标记实验 | 第66-67页 |
| 5.4 裂纹线条连接实验 | 第67-70页 |
| 5.4.1 200 × 200像素裂纹线算法连接实验 | 第67-68页 |
| 5.4.2 随机尺寸裂纹线算法连接实验 | 第68-70页 |
| 5.5 四种不同特征方法的裂纹识别对比实验 | 第70-72页 |
| 5.6 实验结论 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 全文总结 | 第74页 |
| 6.2 工作展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 致谢 | 第80-82页 |
| 附录A：攻读硕士学位期间参研项目和科研成果 | 第82页 |