基于计算机视觉的木材表面缺陷检测研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-21页 |
| ·课题的背景和意义 | 第9-10页 |
| ·计算机视觉技术的现状与发展 | 第10-16页 |
| ·模式识别技术及其发展现状 | 第11-13页 |
| ·图像模式识别技术的研究现状和发展 | 第13-15页 |
| ·基于计算机视觉的表面检测技术研究现状与发展 | 第15-16页 |
| ·木材表面缺陷检测技术研究现状与发展 | 第16-19页 |
| ·本文主要研究内容 | 第19-21页 |
| 2 木材表面图像缺陷区域的分割 | 第21-37页 |
| ·数字图像处理分割方法 | 第21-23页 |
| ·数学形态学理论 | 第23-26页 |
| ·基于数学形态学的木材表面图像分割 | 第26-33页 |
| ·图像预处理 | 第27-28页 |
| ·图像数学形态学处理 | 第28-30页 |
| ·区域生长 | 第30-31页 |
| ·实验结果与分析 | 第31-33页 |
| ·木材缺陷的基本检量 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 3 木材表面缺陷的特征提取与选择 | 第37-47页 |
| ·木材表面缺陷图像特征提取 | 第37-43页 |
| ·几何形状特征 | 第37-38页 |
| ·不变矩特征 | 第38-39页 |
| ·灰度纹理特征 | 第39-40页 |
| ·区域描绘特征 | 第40-43页 |
| ·木材缺陷图像特征选择 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 4 基于LS-SVM的木材表面缺陷识别 | 第47-60页 |
| ·支持向量机 | 第47-51页 |
| ·最优分类超平面 | 第47-49页 |
| ·支持向量机 | 第49-51页 |
| ·最小二乘支持向量机 | 第51-55页 |
| ·最小二乘支持向量机的实现 | 第51-53页 |
| ·最小二乘支持向量机多类分类方法 | 第53-55页 |
| ·基于最小二乘支持向量机的木材表面缺陷识别 | 第55-59页 |
| ·LS-SVMlab工具箱介绍及分类识别步骤 | 第55-56页 |
| ·木材表面缺陷的LS-SVM分类器设计 | 第56-58页 |
| ·仿真结果和分析 | 第58-59页 |
| ·本章小结 | 第59-60页 |
| 5 总结和展望 | 第60-62页 |
| ·总结 | 第60页 |
| ·展望 | 第60-62页 |
| 参考文献 | 第62-69页 |
| 附录 | 第69-70页 |
| 致谢 | 第70页 |
