| 摘要 | 第1-8页 |
| Abstract | 第8-17页 |
| 第1章 绪论 | 第17-34页 |
| ·研究背景及意义 | 第17-18页 |
| ·灰色系统理论简介 | 第18-21页 |
| ·灰色系统理论的产生 | 第18页 |
| ·灰色系统理论的主要内容 | 第18-20页 |
| ·灰色系统理论与模糊数学、概率统计的区别 | 第20-21页 |
| ·灰色系统理论在图像工程中的研究现状 | 第21-28页 |
| ·图像处理层次 | 第21-23页 |
| ·图像分析层次 | 第23-26页 |
| ·图像理解层次 | 第26-28页 |
| ·铁谱技术 | 第28-31页 |
| ·铁谱技术的发展 | 第28-30页 |
| ·铁谱磨粒图像识别技术 | 第30-31页 |
| ·本文的主要研究工作 | 第31-34页 |
| 第2章 灰色预测模型研究 | 第34-59页 |
| ·GM(1，1)模型 | 第34-41页 |
| ·灰色生成 | 第34-37页 |
| ·GM(1，1)模型建模机理 | 第37-39页 |
| ·GM(1，1)模型群 | 第39-40页 |
| ·GM(1，1)模型群的适用范围 | 第40-41页 |
| ·GM(1，1)模型精度检验 | 第41页 |
| ·影响GM(1，1)模型精度的因素分析 | 第41-44页 |
| ·数据序列光滑度的影响 | 第41-42页 |
| ·背景值的影响 | 第42-43页 |
| ·初值的影响 | 第43-44页 |
| ·基于函数变换提高数据序列光滑度方法 | 第44-51页 |
| ·序列的光滑性 | 第44-46页 |
| ·现有提高数据序列光滑度的函数变换方法 | 第46页 |
| ·基于函数x~(-a)(a>0)变换提高数据序列光滑度的方法 | 第46-48页 |
| ·提高光滑度的变换函数分析 | 第48-49页 |
| ·基于多重复合函数变换提高数据序列光滑度方法 | 第49-50页 |
| ·基于多重复合函数变换的改进GM(1，1)模型 | 第50-51页 |
| ·基于改进背景值的提高GM(1，1)模型精度的方法 | 第51-55页 |
| ·基于指数特性的背景值构造方法一 | 第51-53页 |
| ·基于指数特性的背景值构造方法二 | 第53-54页 |
| ·适用范围与模型精度比较 | 第54-55页 |
| ·基于改进初值的提高GM(1，1)模型精度的方法 | 第55-58页 |
| ·修正初值法 | 第55-56页 |
| ·时变初值法 | 第56-57页 |
| ·基于改进初值的灰色GM(1，1)模型 | 第57-58页 |
| ·本章小结 | 第58-59页 |
| 第3章 欧几里德关联度和T型关联度研究 | 第59-84页 |
| ·灰色关联度 | 第59-70页 |
| ·数据序列的确定和分类 | 第60页 |
| ·数据序列可比性 | 第60-61页 |
| ·数据序列的预处理 | 第61-64页 |
| ·灰色关联分析的基本特征 | 第64页 |
| ·灰色关联公理 | 第64-65页 |
| ·常用的灰色关联度模型 | 第65-70页 |
| ·灰色关联度模型的不足 | 第70-74页 |
| ·灰色关联度计算结果的敏感性问题 | 第70-71页 |
| ·灰色关联度模型的缺陷 | 第71-72页 |
| ·存在问题分析 | 第72-73页 |
| ·灰色关联度改进的方向 | 第73-74页 |
| ·非均值灰色关联度模型研究 | 第74-77页 |
| ·均值灰色关联度的不足 | 第74页 |
| ·改进灰色欧几里德关联度模型 | 第74-76页 |
| ·改进灰色关联度的特性分析 | 第76-77页 |
| ·T型关联度模型研究 | 第77-82页 |
| ·改进T型关联度模型 | 第77-79页 |
| ·改进灰色T型关联度的特性分析 | 第79-82页 |
| ·本章小结 | 第82-84页 |
| 第4章 基于灰色系统理论的图像处理算法研究 | 第84-116页 |
| ·基于灰色系统理论的图像边缘检测研究 | 第84-98页 |
| ·图像边缘的定义 | 第84-85页 |
| ·相关性指标 | 第85-86页 |
| ·基于相关性的图像边缘检测算法 | 第86-90页 |
| ·基于灰色绝对关联度和LOG算子的图像边缘检测算法 | 第90-92页 |
| ·基于级比的边缘检测算法 | 第92-95页 |
| ·实验与分析 | 第95-98页 |
| ·基于灰色系统理论的图像平滑研究 | 第98-106页 |
| ·基于灰色关联度的自适应加权图像去噪算法研究 | 第99-101页 |
| ·基于GM(1，1)模型的图像去噪算法研究 | 第101-102页 |
| ·实验与分析 | 第102-106页 |
| ·基于GM(1，1)模型和提升小波变换的图像压缩研究 | 第106-115页 |
| ·提升小波变换 | 第106-109页 |
| ·Hilbert空间填充曲线及图像Hilbert变换 | 第109-110页 |
| ·小波树及零树 | 第110-112页 |
| ·基于GM(1，1)模型和提升小波变换的图像压缩算法 | 第112-113页 |
| ·实验与分析 | 第113-115页 |
| ·本章小结 | 第115-116页 |
| 第5章 基于相关性的图像保真度评价研究 | 第116-125页 |
| ·图像质量评价 | 第116-118页 |
| ·主观评价方法 | 第116-117页 |
| ·客观评价方法 | 第117-118页 |
| ·基于相关性和二维离散小波变换的图像保真度评价研究 | 第118-124页 |
| ·二维离散小波变换 | 第118-120页 |
| ·图像保真度评价算法 | 第120-122页 |
| ·实验与分析 | 第122-124页 |
| ·本章小结 | 第124-125页 |
| 第6章 磨损机理与磨粒特征 | 第125-140页 |
| ·磨损失效的过程分析 | 第125-126页 |
| ·磨损的定义及分类 | 第126-127页 |
| ·磨损的定义 | 第126-127页 |
| ·磨损的分类 | 第127页 |
| ·磨损机理 | 第127-131页 |
| ·粘着磨损 | 第127-128页 |
| ·磨料磨损 | 第128页 |
| ·表面疲劳磨损 | 第128-129页 |
| ·腐蚀磨损 | 第129-130页 |
| ·微动磨损 | 第130-131页 |
| ·磨粒的种类及特征 | 第131-138页 |
| ·磨粒分类 | 第131页 |
| ·磨粒的形态特征 | 第131-138页 |
| ·磨损故障诊断的理论基础 | 第138-139页 |
| ·本章小结 | 第139-140页 |
| 第7章 铁谱磨粒识别 | 第140-177页 |
| ·磨粒图像的获取 | 第140-142页 |
| ·磨粒图像预处理 | 第142-155页 |
| ·磨粒图像灰度化 | 第142-143页 |
| ·磨粒图像增强 | 第143-144页 |
| ·磨粒图像平滑 | 第144-146页 |
| ·磨粒图像分割 | 第146-150页 |
| ·磨粒图像边缘检测 | 第150-151页 |
| ·磨粒图像的后处理 | 第151-155页 |
| ·磨粒图像特征提取 | 第155-169页 |
| ·铁谱磨粒几何参数 | 第156-160页 |
| ·磨粒边界形状参数 | 第160-161页 |
| ·铁谱磨粒结构特征参数 | 第161-162页 |
| ·磨粒颜色特征参数 | 第162-163页 |
| ·磨粒纹理特征参数 | 第163-169页 |
| ·基于灰色关联神经网络的铁谱磨粒识别 | 第169-176页 |
| ·神经网络 | 第169-170页 |
| ·磨粒BP神经网络分类器设计 | 第170-176页 |
| ·实验结果与分析 | 第176页 |
| ·本章小结 | 第176-177页 |
| 第8章 总结与展望 | 第177-180页 |
| ·本文的主要研究成果 | 第177-178页 |
| ·进一步的工作与展望 | 第178-180页 |
| 参考文献 | 第180-200页 |
| 附录A 8种典型磨粒图像 | 第200-201页 |
| 攻读学位期间发表的学术论文目录 | 第201-204页 |
| 攻读学位期间参与的项目目录 | 第204-205页 |
| 致谢 | 第205页 |
