中间包钢水液位测量中结渣特征提取的研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 中间包钢水液位测量的意义 | 第10-11页 |
| 1.2 视觉检测的研究现状和发展趋势 | 第11-13页 |
| 1.2.1 视觉检测的研究现状 | 第11-12页 |
| 1.2.2 视觉检测的存在的问题 | 第12-13页 |
| 1.2.3 视觉检测的关键技术 | 第13页 |
| 1.3 图像模式的特征提取技术 | 第13-16页 |
| 1.3.1 目标的特征提取与识别 | 第13-14页 |
| 1.3.2 纹理特征提取与识别 | 第14-15页 |
| 1.3.3 基于特征的模式识别与分类方法 | 第15-16页 |
| 1.4 课题的研究内容 | 第16-18页 |
| 第2章 中间包液位测量系统及结渣问题分析 | 第18-24页 |
| 2.1 中间包液位测量系统 | 第18-21页 |
| 2.1.1 测量基本原理 | 第18-19页 |
| 2.1.2 液位测量过程 | 第19-21页 |
| 2.1.3 液位测量系统 | 第21页 |
| 2.2 影响测量精度的结渣问题分析 | 第21-24页 |
| 第3章 液位测量图像的去噪预处理 | 第24-40页 |
| 3.1 噪声的来源和影响 | 第24-25页 |
| 3.2 测量图像的噪声滤除 | 第25-36页 |
| 3.2.1 基于小波变换的去噪理论 | 第25-31页 |
| 3.2.2 图像去噪算法 | 第31-34页 |
| 3.2.3 图像消噪算法质量评价 | 第34-36页 |
| 3.3 测量图像的后续预处理 | 第36-40页 |
| 第4章 结渣图像的特征提取 | 第40-56页 |
| 4.1 液位图像的特征分析 | 第40-42页 |
| 4.2 测量棒上的感温区域的边界提取 | 第42-50页 |
| 4.2.1 液位图像的灰度分析 | 第42-44页 |
| 4.2.2 感温区域的边界提取算法 | 第44-48页 |
| 4.2.3 边界提取的快速算法 | 第48-49页 |
| 4.2.4 两种算法的对比分析 | 第49-50页 |
| 4.3 基于几何轮廓的特征定义 | 第50-54页 |
| 4.5 特征量计算 | 第54-56页 |
| 第5章 基于支持向量机的结渣图像分类 | 第56-72页 |
| 5.1 支持向量机理论 | 第56-60页 |
| 5.1.1 引言 | 第56页 |
| 5.1.2 机器学习问题 | 第56-57页 |
| 5.1.3 支持向量机分类 | 第57-60页 |
| 5.2 基于支持向量机分类实验及结果分析 | 第60-68页 |
| 5.2.1 实验设计 | 第60-65页 |
| 5.2.2 实验结果与分析 | 第65-68页 |
| 5.3 结渣检测技术在现场的应用效果 | 第68-72页 |
| 第6章 结论与展望 | 第72-74页 |
| 6.1 结论 | 第72页 |
| 6.2 展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78页 |
