首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于SVM的胶囊缺陷分类识别研究

摘要第4-5页
Abstract第5页
第1章 绪论第8-12页
    1.1 研究背景及意义第8-9页
    1.2 胶囊缺陷分类识别的发展现状第9-10页
    1.3 本文主要工作第10-11页
    1.4 本文章节结构第11-12页
第2章 图像预处理第12-29页
    2.1 模板匹配第12-15页
        2.1.1 传统的相关模板匹配第13-14页
        2.1.2 基于胶囊图像的改进模板匹配第14-15页
    2.2 胶囊图像多区域分割第15-18页
        2.2.1 提取胶囊第15-17页
        2.2.2 分割三部分第17-18页
    2.3 胶囊图像增强第18-20页
        2.3.1 胶囊图像滤波第18-20页
        2.3.2 胶囊图像锐化第20页
    2.4 Canny 边缘检测第20-28页
        2.4.1 传统的 Canny 边缘检测第21-22页
        2.4.2 改进的 Canny 边缘检测第22-26页
        2.4.3 本节实验结果及分析第26-28页
    2.5 本章小结第28-29页
第3章 图像特征的选取第29-39页
    3.1 基于直方图统计矩特征第29-30页
    3.2 基于区域形状特征第30-31页
    3.3 图像灰度特征第31-32页
    3.4 胶囊缺陷图像的分类特征选择第32-38页
        3.4.1 胶囊整体形态特征第33-34页
        3.4.2 基于直方图统计纹理特征第34-35页
        3.4.3 胶囊局部图像的对比度第35-36页
        3.4.4 基于缺陷区域的形状特征第36-38页
    3.5 本章小结第38-39页
第4章 基于 SVM 的多类分类算法的研究第39-50页
    4.1 支持向量机理论第39-42页
        4.1.1 线性可分第39-41页
        4.1.2 线性不可分第41-42页
    4.2 多类支持向量机第42-46页
        4.2.1 一对余型支持向量机第43页
        4.2.2 一对一型支持向量机第43-44页
        4.2.3 有向无循环图支持向量机第44-45页
        4.2.4 层次支持向量机第45-46页
    4.3 四种 SVM 多类分类算法的比较第46-47页
    4.4 改进层次 SVM 多类分类算法第47-49页
    4.5 本章小结第49-50页
第5章 基于改进层次 SVM 的胶囊缺陷图像分类识别第50-53页
    5.1 实验数据第50页
    5.2 实验结果的对比与分析第50-52页
    5.3 本章小结第52-53页
第6章 总结与展望第53-55页
    6.1 全文总结第53页
    6.2 对未来的展望第53-55页
致谢第55-56页
参考文献第56-59页
附录1 攻读硕士学位期间发表的论文第59-60页
详细摘要第60-66页

论文共66页,点击 下载论文
上一篇:圆并面积计算算法的研究及实现
下一篇:溜井全景扫描装置的数据采集系统开发和图像处理技术研究