| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题的提出及研究意义 | 第10-11页 |
| 1.2 金属断口图像国内外研究现状 | 第11-14页 |
| 1.3 经验Ridgelet变换国内外研究现状 | 第14-15页 |
| 1.4 主成分分析方法国内外研究现状 | 第15-16页 |
| 1.5 论文的主要内容及创新之处 | 第16-18页 |
| 1.5.1 论文的主要内容: | 第16-18页 |
| 1.5.2 论文的创新点 | 第18页 |
| 1.6 本章小结 | 第18-19页 |
| 第2章 基于经验Ridgelet-PCA断口图像识别方法研究 | 第19-34页 |
| 2.1 引言 | 第19-20页 |
| 2.2 经验Ridgelet变换理论和算法 | 第20-25页 |
| 2.2.1 经验小波变换 | 第20-21页 |
| 2.2.2 伪极坐标快速傅里叶变换 | 第21-23页 |
| 2.2.3 Ridgelet算法描述 | 第23-24页 |
| 2.2.4 经验Ridgelet的定义 | 第24页 |
| 2.2.5 经验Ridgelet变换算法描述 | 第24-25页 |
| 2.3 基于经验Ridgelet变换的特征提取方法 | 第25-26页 |
| 2.4 主成分分析分析几何意义与数学模型 | 第26-29页 |
| 2.4.1 主成分分析的几何意义 | 第26-27页 |
| 2.4.2 主成分分析的数学模型 | 第27-29页 |
| 2.5 实验研究 | 第29-32页 |
| 2.6 本章小结 | 第32-34页 |
| 第3章 基于经验Ridgelet-KPCA的断口图像识别方法研究 | 第34-45页 |
| 3.1 引言 | 第34-35页 |
| 3.2 核主成分分析(KPCA)理论与算法 | 第35-39页 |
| 3.2.1 KPCA理论研究 | 第35-37页 |
| 3.2.2 KPCA基本思想 | 第37-38页 |
| 3.2.3 KPCA算法描述 | 第38-39页 |
| 3.3 K-最近邻分类器 | 第39页 |
| 3.4 基于经验Ridgelet-KPCA的断口图像识别方法研究 | 第39-41页 |
| 3.5 实验研究 | 第41-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第4章 基于经验Ridgelet-2DPCA的断口图像识别方法研究 | 第45-53页 |
| 4.1 引言 | 第45页 |
| 4.2 2DPCA理论和算法 | 第45-47页 |
| 4.2.1 2DPCA理论研究 | 第45-46页 |
| 4.2.2 2DPCA算法描述 | 第46-47页 |
| 4.3 经验Ridgelet-2DPCA断口图像识别方法 | 第47-49页 |
| 4.3.1 最优模态的提取 | 第47页 |
| 4.3.2 2DPCA降维 | 第47-48页 |
| 4.3.3 分类方法 | 第48-49页 |
| 4.4 实验研究 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 基于经验Ridgelet-B2DPCA的断口图像识别方法研究 | 第53-59页 |
| 5.1 引言 | 第53页 |
| 5.2 双向二维主成分分析(B2DPCA)理论及算法 | 第53-55页 |
| 5.2.1 B2DPCA理论分析 | 第53-55页 |
| 5.2.2 B2DPCA算法流程 | 第55页 |
| 5.3 实验研究 | 第55-57页 |
| 5.4 本章小结 | 第57-59页 |
| 第6章 结论与展望 | 第59-62页 |
| 6.1 本文总结 | 第59-61页 |
| 6.2 展望 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间发表的论文和参加科研情况 | 第66-67页 |
| 致谢 | 第67-68页 |
