| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第14-22页 |
| 1.1 课题研究背景 | 第14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 木材无损检测技术的研究现状 | 第15-17页 |
| 1.2.2 近红外光谱技术在木材检测领域的研究现状 | 第17-18页 |
| 1.3 研究内容 | 第18-19页 |
| 1.4 技术路线 | 第19-21页 |
| 1.5 本文组织结构 | 第21-22页 |
| 2 近红外分析的基本理论与数据采集 | 第22-31页 |
| 2.1 近红外检测基础理论 | 第22-26页 |
| 2.1.1 漫反射原理 | 第22页 |
| 2.1.2 光谱分析过程 | 第22-23页 |
| 2.1.3 近红外光谱数据处理方法 | 第23-24页 |
| 2.1.4 近红外光谱技术的常用建模方法 | 第24-26页 |
| 2.2 实验样本的选择与制备 | 第26页 |
| 2.3 数据采集系统与过程 | 第26-30页 |
| 2.3.1 图像采集系统 | 第26-27页 |
| 2.3.2 近红外光谱采集系统 | 第27-28页 |
| 2.3.3 缺陷图像的采集 | 第28-30页 |
| 2.3.4 光谱数据采集 | 第30页 |
| 2.4 本章小结 | 第30-31页 |
| 3 基于视觉的缺陷目标快速定位方法研究 | 第31-44页 |
| 3.1 引言 | 第31页 |
| 3.2 缺陷图像预处理 | 第31-33页 |
| 3.2.1 图像缩放 | 第31页 |
| 3.2.2 HSV颜色空间变换 | 第31-33页 |
| 3.2.3 图像滤波 | 第33页 |
| 3.3 图像分割算法研究 | 第33-39页 |
| 3.3.1 数学形态学分割技术 | 第34-35页 |
| 3.3.2 分水岭变换 | 第35-37页 |
| 3.3.3 Grabcut分割技术 | 第37-38页 |
| 3.3.4 基于快速收敛和分形理论的Grabcut目标自动检测 | 第38-39页 |
| 3.4 结果与分析 | 第39-43页 |
| 3.5 本章小结 | 第43-44页 |
| 4 光谱数据的样本集划分及预处理 | 第44-67页 |
| 4.1 引言 | 第44页 |
| 4.2 样本集划分 | 第44-49页 |
| 4.2.1 改进的K-S算法 | 第44-46页 |
| 4.2.2 样本集划分结果 | 第46-49页 |
| 4.3 常用光谱预处理方法研究 | 第49-65页 |
| 4.3.1 数据平滑 | 第49-52页 |
| 4.3.2 标准正态变量变换 | 第52-55页 |
| 4.3.3 多元散射校正 | 第55-57页 |
| 4.3.4 导数 | 第57-61页 |
| 4.3.5 小波变换 | 第61-65页 |
| 4.4 预处理方法的比较与选择 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 5 光谱数据的特征提取方法研究 | 第67-86页 |
| 5.1 引言 | 第67页 |
| 5.2 光谱特征提取方法研究 | 第67-72页 |
| 5.2.1 主成分分析 | 第67-68页 |
| 5.2.2 无信息变量消除法 | 第68-69页 |
| 5.2.3 连续投影算法 | 第69-71页 |
| 5.2.4 遗传算法 | 第71-72页 |
| 5.3 稀疏降维方法的特征提取 | 第72-75页 |
| 5.4 结果与分析 | 第75-85页 |
| 5.4.1 全光谱DPLS | 第75-76页 |
| 5.4.2 PCA-DPLS | 第76-78页 |
| 5.4.3 UVE-DPLS | 第78-79页 |
| 5.4.4 SPA-DPLS | 第79-81页 |
| 5.4.5 GA-DPLS | 第81-83页 |
| 5.4.6 SRE-DPLS | 第83-85页 |
| 5.5 本章小结 | 第85-86页 |
| 6 近红外光谱的实木表面缺陷识别模型研究 | 第86-103页 |
| 6.1 引言 | 第86页 |
| 6.2 BP神经网络 | 第86-89页 |
| 6.3 支持向量机 | 第89-91页 |
| 6.4 压缩感知模型 | 第91-94页 |
| 6.4.1 数学表达 | 第91-92页 |
| 6.4.2 稀疏表示 | 第92页 |
| 6.4.3 测量矩阵 | 第92-93页 |
| 6.4.4 信号重构 | 第93页 |
| 6.4.5 传统压缩感知模型设计 | 第93-94页 |
| 6.5 CPSO-OMP改进的压缩感知分类器模型设计 | 第94-96页 |
| 6.6 结果与分析 | 第96-102页 |
| 6.6.1 BPNN实验结果与分析 | 第96-98页 |
| 6.6.2 LS-SVM实验结果与分析 | 第98页 |
| 6.6.3 传统CS及CPSO-OMP-CS实验结果与分析 | 第98-102页 |
| 6.7 本章小结 | 第102-103页 |
| 结论 | 第103-104页 |
| 参考文献 | 第104-112页 |
| 攻读学位期间发表的学术论文 | 第112-113页 |
| 致谢 | 第113-115页 |
| 附件 | 第115-116页 |
