| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-12页 |
| 1.1 课题背景 | 第9页 |
| 1.2 国内外的研究现状 | 第9-10页 |
| 1.2.1 数字图像技术 | 第9-10页 |
| 1.2.2 超声无损检测技术 | 第10页 |
| 1.3 论文研究的主要内容 | 第10-12页 |
| 第二章 超声波检测与数字图像处理技术 | 第12-27页 |
| 2.1 超声波特性及检测原理 | 第12-15页 |
| 2.1.1 超声波特性 | 第12-13页 |
| 2.1.2 超声波检测的物理基础 | 第13-15页 |
| 2.1.3 超声检测的优点和局限性 | 第15页 |
| 2.2 超声波回波信号分析 | 第15-17页 |
| 2.2.1 压电效应 | 第15页 |
| 2.2.2 超声回波常规显示方式 | 第15-17页 |
| 2.3 图像 | 第17-19页 |
| 2.3.1 图像 | 第17-18页 |
| 2.3.2 图像的矩阵表示 | 第18-19页 |
| 2.3.3 灰度图像和彩色图像 | 第19页 |
| 2.4 图像分割概述 | 第19-25页 |
| 2.4.1 图像分割定义 | 第19-20页 |
| 2.4.2 图像分割方法综述 | 第20-25页 |
| 2.5 本章小结 | 第25-27页 |
| 第三章 自动识别系统简介 | 第27-32页 |
| 3.1 图片获取 | 第27-31页 |
| 3.1.1 UT设备 | 第28页 |
| 3.1.2 探头 | 第28-29页 |
| 3.1.3 Uttest介绍 | 第29页 |
| 3.1.4 试块介绍 | 第29-30页 |
| 3.1.5 原始图像的获取 | 第30-31页 |
| 3.2 本章小结 | 第31-32页 |
| 第四章 基于图像分割的形态学处理的自动识别算法设计 | 第32-41页 |
| 4.1 基于k-means的形态学自动识别算法 | 第32-35页 |
| 4.1.1 声波提取 | 第32-34页 |
| 4.1.2 缺陷检测 | 第34-35页 |
| 4.2 对比算法 | 第35-39页 |
| 4.2.1 边缘组合算法 | 第36-38页 |
| 4.2.2 OTSU分割算法 | 第38-39页 |
| 4.3 实验结果 | 第39-40页 |
| 4.4 本章小结 | 第40-41页 |
| 第五章 基于SVM的缺陷图像识别方法 | 第41-53页 |
| 5.1 SVM分类器原理 | 第41-46页 |
| 5.1.1 支持数据分类算法的基本原理 | 第41页 |
| 5.1.2 支持向量机分类的基本原理 | 第41-42页 |
| 5.1.3 最优化问题 | 第42页 |
| 5.1.4 线性可分的二分类问题 | 第42-43页 |
| 5.1.5 线性不可分问题 | 第43-46页 |
| 5.1.6 支持向量模型的求解 | 第46页 |
| 5.1.7 整理svmlib | 第46页 |
| 5.2 SVM的缺陷图像的识别算法设计 | 第46-48页 |
| 5.3 SVM缺陷图像的识别算法的仿真和实验 | 第48-51页 |
| 5.4 本章小结 | 第51-53页 |
| 第六章 总结与展望 | 第53-55页 |
| 6.1 全文总结 | 第53-54页 |
| 6.2 展望 | 第54-55页 |
| 参考文献 | 第55-57页 |
| 附录1 程序清单 | 第57-75页 |
| 附录2 攻读硕士学位期间撰写的论文 | 第75-76页 |
| 致谢 | 第76页 |