基于神经网络的彩色温度软测量
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·辐射图像测温相关研究 | 第10-14页 |
| ·国外情况 | 第10-12页 |
| ·国内情况 | 第12-13页 |
| ·主要存在问题 | 第13-14页 |
| ·本文主要工作 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 电炉图像的采集及标准图像建立 | 第16-21页 |
| ·系统软硬件及图像采集 | 第16-18页 |
| ·系统软硬件构成 | 第16-17页 |
| ·图像采集 | 第17-18页 |
| ·系统中景物、数码相机、图像三者之间的关系 | 第18-19页 |
| ·标准图像的建立 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 图像颜色测温的基本原理 | 第21-28页 |
| ·物体图像颜色与其温度的关系 | 第21-22页 |
| ·高温物体的颜色光与其温度间的关系 | 第21页 |
| ·图像中的颜色与物体本身的颜色间的关系 | 第21-22页 |
| ·彩色三基色原理及混色理论 | 第22页 |
| ·彩色CCD的三色工作原理 | 第22-23页 |
| ·色度坐标系统理论 | 第23-26页 |
| ·CIE1931-RGB色度系统 | 第23-25页 |
| ·归一化处理 | 第25-26页 |
| ·彩色测温公式 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 第四章 图像预处理技术 | 第28-39页 |
| ·颜色模型 | 第28-31页 |
| ·RGB颜色模型 | 第28-29页 |
| ·HIS颜色模型 | 第29页 |
| ·RGB与HSI的相互转换 | 第29-31页 |
| ·图像的平滑处理 | 第31-34页 |
| ·邻域平均法 | 第31-32页 |
| ·中值滤波法 | 第32-33页 |
| ·自适应滤波法 | 第33页 |
| ·三种滤波方式的讨论 | 第33-34页 |
| ·彩色图像的分割技术 | 第34-38页 |
| ·阈值分割 | 第34-35页 |
| ·边缘检测 | 第35-36页 |
| ·电炉图像分割 | 第36-37页 |
| ·提取图像颜色值 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 神经网络的彩色温度软测量 | 第39-58页 |
| ·神经网络介绍 | 第39-40页 |
| ·一般神经元模型 | 第39页 |
| ·人工神经网络学习 | 第39-40页 |
| ·误差反传(BP)神经网络 | 第40-45页 |
| ·BP神经网络结构 | 第41-43页 |
| ·BP算法原理 | 第43-45页 |
| ·RBF神经网络 | 第45-48页 |
| ·RBF神经网络结构 | 第45-46页 |
| ·RBF神经网络算法 | 第46-48页 |
| ·小结 | 第48页 |
| ·神经网络的彩色温度软测量 | 第48-57页 |
| ·实验方案 | 第49页 |
| ·图像预处理 | 第49-50页 |
| ·BP神经网络法测温 | 第50-53页 |
| ·RBF神经网络法测温 | 第53-55页 |
| ·两种网络的测温比较及误差分析 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 总结与展望 | 第58-59页 |
| 参考文献 | 第59-61页 |
| 致谢 | 第61-62页 |
| 附录1: 第五组样本图像及对应温度 | 第62-63页 |
| 附录2: 第五组训练样本温度及对应颜色值 | 第63-64页 |
| 附录3: 第五组测试样本温度及对应颜色值 | 第64-65页 |
| 附录4: 部分程序代码 | 第65-70页 |
| 攻读学位期间发表论文情况 | 第70页 |
