| 摘要 | 第4-6页 |
| 英文摘要 | 第6-7页 |
| 注释表 | 第12-13页 |
| 缩略词 | 第13-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题的研究背景和意义 | 第14页 |
| 1.2 课题的国内外研究概况 | 第14-17页 |
| 1.2.1 纸浆纤维和纸张缺陷图像预处理 | 第15-16页 |
| 1.2.2 纸浆纤维和纸张缺陷图像的分割 | 第16页 |
| 1.2.3 纸张缺陷的特征提取及分类 | 第16-17页 |
| 1.3 本文的章节安排及创新点 | 第17-20页 |
| 1.3.1 本文的章节安排 | 第17-18页 |
| 1.3.2 本文的主要创新点 | 第18-20页 |
| 第二章 基于预分类非局部均值的纸浆纤维、纸张缺陷图像混合噪声滤除方法 | 第20-36页 |
| 2.1 引言 | 第20-21页 |
| 2.2 噪声模型与非局部均值滤波 | 第21-22页 |
| 2.2.1 噪声模型 | 第21页 |
| 2.2.2 非局部均值算法 | 第21-22页 |
| 2.3 噪声模型与非局部均值滤波 | 第22-26页 |
| 2.3.1 图像像素预分类方法 | 第22-23页 |
| 2.3.2 非局部均值混合噪声滤除方法 | 第23-24页 |
| 2.3.3 非局部均值混合噪声滤除方法具体步骤 | 第24-26页 |
| 2.4 实验结果与分析 | 第26-35页 |
| 2.4.1 椒盐噪声去噪效果比较分析 | 第26-29页 |
| 2.4.2 高斯噪声去噪效果比较分析 | 第29-32页 |
| 2.4.3 混合噪声去噪效果比较分析 | 第32-35页 |
| 2.5 本章小结 | 第35-36页 |
| 第三章 基于NSCT变换和Retinex的纸浆纤维、纸张缺陷图像增强方法 | 第36-46页 |
| 3.1 引言 | 第36页 |
| 3.2 基于NSCT的图像增强方法 | 第36-41页 |
| 3.2.1 非下采样Contourlet变换 | 第36-38页 |
| 3.2.2 基于Retinex算法的低频分量增强方法 | 第38-39页 |
| 3.2.3 基于非线性增益的高频分量增强方法 | 第39-40页 |
| 3.2.4 基于非下采样Contourlet变换的图像增强方法步骤 | 第40-41页 |
| 3.3 图像增强效果评价指标 | 第41-42页 |
| 3.4 实验结果与分析 | 第42-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第四章 基于NSCT和核模糊C-均值聚类的纸浆纤维、纸张缺陷图像边缘检测方法 | 第46-55页 |
| 4.1 引言 | 第46-47页 |
| 4.2 基于NSCT模极大值和KFCM的边缘检测方法 | 第47-48页 |
| 4.2.1 基于NSCT域模极大值法 | 第47页 |
| 4.2.2 基于KFCM的边缘检测方法 | 第47-48页 |
| 4.3 基于NSCT模极大值和KFCM的图像边缘检测方法流程 | 第48-50页 |
| 4.3.1 低频分量边缘检测具体步骤 | 第48-49页 |
| 4.3.2 基于NSCT模极大值和KFCM的边缘检测具体步骤 | 第49-50页 |
| 4.4 实验结果与分析 | 第50-54页 |
| 4.5 本章小结 | 第54-55页 |
| 第五章 基于蜂群优化或分解的二维Arimoto灰度熵纸浆纤维、纸张缺陷图像分割 | 第55-66页 |
| 5.1 引言 | 第55-56页 |
| 5.2 基于混沌蜂群优化的二维Arimoto灰度熵阈值分割方法 | 第56-61页 |
| 5.2.1 一维Arimoto灰度熵阈值法 | 第56-57页 |
| 5.2.2 二维Arimoto灰度熵阈值法及其快速递推公式 | 第57-60页 |
| 5.2.3 二维Arimoto灰度熵阈值选取的蜂群优化算法步骤 | 第60-61页 |
| 5.3 基于分解的二维Arimoto灰度熵阈值分割方法 | 第61-62页 |
| 5.4 实验结果与分析 | 第62-65页 |
| 5.6 本章小结 | 第65-66页 |
| 第六章 基于Krawtchouk矩和小波支持向量机的纸张缺陷识别方法研究 | 第66-73页 |
| 6.1 引言 | 第66-67页 |
| 6.2 基于Krawtchouk矩不变量的纸张缺陷图像特征提取 | 第67-68页 |
| 6.3 基于混沌粒子群优化的小波支持向量机 | 第68-70页 |
| 6.3.1 小波支持向量机 | 第68-69页 |
| 6.3.2 支持向量机参数选取的混沌粒子群优化算法 | 第69-70页 |
| 6.4 实验结果与分析 | 第70-72页 |
| 6.5 本章小结 | 第72-73页 |
| 第七章 总结和展望 | 第73-75页 |
| 7.1 本文的主要工作 | 第73-74页 |
| 7.2 进一步的研究工作及展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 在学期间的研究成果及发表的学术论文 | 第82-83页 |
