首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于支持向量机的金属表面细小瑕疵检测算法

摘要第5-7页
ABSTRACT第7-8页
第一章 绪论第12-32页
    1.1 金属表面瑕疵检测的研究背景第12-13页
    1.2 基于机器视觉的金属表面瑕疵检测系统第13-18页
        1.2.1 机器视觉的发展第14-15页
        1.2.2 机器视觉的概念第15-17页
        1.2.3 典型机器视觉系统及其工业应用第17-18页
    1.3 现在常用的瑕疵检测的方法第18-31页
        1.3.1 纹理分析方法第19-28页
        1.3.2 模板匹配的图像缺陷识别算法第28-31页
    1.4 本文内容第31-32页
第二章 基于支持向量机的金属表面瑕疵检测算法第32-54页
    2.1 检测系统的构成第32-34页
    2.2 图像概述第34-39页
        2.2.1 图像与数字图像第34-36页
        2.2.2 图像的采样和量化第36-37页
        2.2.3 灰度直方图第37-38页
        2.2.4 确定阈值算法第38-39页
    2.3 模板制作第39-40页
    2.4 图像预处理第40-53页
        2.4.1 图像匹配第41-49页
        2.4.2 图像的归一化预处理第49-53页
        2.4.3 特征提取第53页
    2.5 本章小结第53-54页
第三章 支持向量机第54-72页
    3.1 引言第54-57页
    3.2 SVM 基本概念第57-63页
        3.2.1 机器学习理论概述第57-58页
        3.2.2 线性可分问题第58-61页
        3.2.3 非线性可分问题第61-63页
    3.3 SVM 算法分类第63-66页
        3.3.1 V-SVM第63-64页
        3.3.2 LS-SVM第64-65页
        3.3.3 W-SVM第65-66页
    3.4 SVM 训练算法第66-68页
        3.4.1 预处理第66-67页
        3.4.2 训练算法第67-68页
    3.5 支持向量机算法研究现状第68-71页
    3.6 本章小结第71-72页
第四章 基于支持向量机的图像分类实验结果及工作总结第72-74页
    4.1 实验结果第72-73页
    4.2 本文工作总结第73页
    4.3 将来工作的展望第73-74页
参考文献第74-79页
致谢第79-80页
攻读硕士期间所发表的论文第80页

论文共80页,点击 下载论文
上一篇:电子商务安全协议研究与B2C交易系统实现
下一篇:柔性制造动态多目标调度模型在MES中的研究与应用