基于图像处理的故障检测方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-20页 |
| §1.1 引言 | 第8-11页 |
| ·故障诊断技术研究的主要内容 | 第8-10页 |
| ·故障诊断技术研究的意义 | 第10页 |
| ·故障诊断技术的研究动态 | 第10-11页 |
| ·故障诊断技术研究中存在的问题 | 第11页 |
| §1.2 故障诊断的方法 | 第11-15页 |
| ·基于解析模型的方法 | 第11-12页 |
| ·基于信号处理的方法 | 第12-13页 |
| ·基于知识的方法 | 第13-15页 |
| §1.3 基于成像技术的故障诊断方法 | 第15-16页 |
| §1.4 基于信息融合的故障诊断方法 | 第16-17页 |
| ·信息融合故障诊断技术 | 第16页 |
| ·信息融合故障诊断技术的发展现状 | 第16-17页 |
| §1.5 本文的主要工作及内容安排 | 第17-20页 |
| ·本文的主要工作 | 第17页 |
| ·本文的内容安排 | 第17-20页 |
| 第二章 基于信息融合技术的故障诊断模型 | 第20-32页 |
| §2.1 信息融合技术的基本理论 | 第20-25页 |
| ·信息融合的基本原理 | 第20-21页 |
| ·信息融合的级别 | 第21-22页 |
| ·信息融合的基本结构 | 第22-23页 |
| ·信息融合技术的一般功能模型 | 第23-24页 |
| ·信息融合的方法 | 第24-25页 |
| §2.2 信息融合与故障诊断的关系 | 第25-26页 |
| §2.3 基于信息融合的故障诊断模型 | 第26-30页 |
| ·单神经网络诊断模型 | 第26-27页 |
| ·基于诊断任务分解的并行神经网络诊断模型 | 第27页 |
| ·基于信息融合的集成神经网络诊断模型 | 第27-30页 |
| §2.4 小结 | 第30-32页 |
| 第三章 基于图像分割算法融合的故障检测方法 | 第32-50页 |
| §3.1 加权融合方法 | 第32-33页 |
| §3.2 模糊积分融合方法 | 第33-37页 |
| ·模糊积分的基本理论 | 第34-36页 |
| ·模糊积分数据融合方法 | 第36-37页 |
| §3.3 两种决策方法的比较 | 第37页 |
| §3.4 基于模糊积分的图像分割算法融合 | 第37-49页 |
| ·图像分割评价 | 第38-39页 |
| ·图像分割评价的内容 | 第38页 |
| ·图像分割评价的方法 | 第38-39页 |
| ·阈值分割的量化评价指标 | 第39-42页 |
| ·基于模糊积分的分割图像融合算法 | 第42-44页 |
| ·仿真结果与性能比较 | 第44-49页 |
| §3.5 小结 | 第49-50页 |
| 第四章 基于侧抑制网络模型的故障检测算法 | 第50-64页 |
| §4.1 引言 | 第50页 |
| §4.2 侧抑制现象的生理基础 | 第50-52页 |
| §4.3 视觉侧抑制及HVS模型 | 第52-53页 |
| §4.4 侧抑制网络的数学模型 | 第53-55页 |
| §4.5 基于侧抑制网络的图像分割算法 | 第55-63页 |
| ·现有侧抑制模型的分割结果 | 第55-57页 |
| ·改进的侧抑制网络模型 | 第57-62页 |
| ·最佳阈值的求取 | 第58页 |
| ·目标函数的设计 | 第58-59页 |
| ·侧抑制模型参数的优化 | 第59-61页 |
| ·抑制野的影响 | 第61-62页 |
| ·本文算法的处理结果 | 第62-63页 |
| §4.6 结论 | 第63-64页 |
| 第五章 总结与展望 | 第64-66页 |
| §5.1 总结 | 第64页 |
| §5.2 未来工作展望 | 第64-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 作者在读期间的研究成果 | 第72页 |
