| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| §1-1 课题背景与意义 | 第8页 |
| §1-2 焊点缺陷检测概述 | 第8-10页 |
| §1-3 国内外现状 | 第10-12页 |
| §1-4 论文主要内容 | 第12-13页 |
| 第二章 焊点图像的特征提取 | 第13-21页 |
| §2-1 图像的预处理 | 第13-15页 |
| 2-1-1 图像归一化 | 第13-14页 |
| 2-1-2 图像去噪 | 第14页 |
| 2-1-3 图像增强 | 第14-15页 |
| §2-2 焊点图像形状特征的提取 | 第15-20页 |
| 2-2-1 基于梯度的边缘检测 | 第16-17页 |
| 2-2-2 拉普拉斯高斯算子（log 算子） | 第17-18页 |
| 2-2-3 canny 算子 | 第18-20页 |
| §2-3 本章小结 | 第20-21页 |
| 第三章 基于小波变换的焊点特征提取 | 第21-32页 |
| §3-1 小波变换相关基础知识 | 第21-25页 |
| 3-1-1 一维 Mallat 算法 | 第22-23页 |
| 3-1-2 二维 Mallat 算法 | 第23-25页 |
| §3-2 焊点图像的小波分解 | 第25-28页 |
| §3-3 改进的小波增强算法 | 第28-30页 |
| §3-4 小波变换与改进小波变换在 BP 神经网络下的仿真结果比较 | 第30-31页 |
| §3-5 本章小结 | 第31-32页 |
| 第四章 基于人工神经网络的焊点缺陷识别 | 第32-38页 |
| §4-1 人工神经元网络 | 第32-34页 |
| 4-1-1 BP 神经网络 | 第32-34页 |
| 4-1-2 径向基函数神经网络 | 第34页 |
| §4-2 BP 网络与 RBF 网络的仿真和结果比较 | 第34-37页 |
| §4-3 本章小结 | 第37-38页 |
| 第五章 基于支持向量机的焊点缺陷识别 | 第38-46页 |
| §5-1 支持向量机的二分类 | 第38-41页 |
| §5-2 支持向量机的多类别分类 | 第41-42页 |
| §5-3 一对多 SVM 与二叉树 SVM 的仿真结果比较 | 第42-44页 |
| 5-3-1 支持向量机模型的训练 | 第42-43页 |
| 5-3-2 支持向量机的仿真结果及分析 | 第43-44页 |
| §5-4 支持向量机与神经网络的仿真结果比较 | 第44-45页 |
| §5-5 本章小结 | 第45-46页 |
| 第六章 基于 MATLAB 的 GUI 设计 | 第46-54页 |
| §6-1 GUI 的设计与实现 | 第47-53页 |
| 6-1-1 界面设计和功能介绍 | 第47-53页 |
| 6-1-2 界面操作步骤 | 第53页 |
| §6-2 本章小结 | 第53-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间所取得的相关科研成果 | 第59页 |
