| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·选题背景及研究意义 | 第8页 |
| ·基于机器视觉的焊缝识别研究现状 | 第8-10页 |
| ·直缝焊管焊缝识别定位的内容及问题 | 第10-11页 |
| ·本文的主要内容和章节安排 | 第11-13页 |
| 2 基于模式识别的焊缝检测方法 | 第13-21页 |
| ·模式识别简介 | 第13页 |
| ·图像模式识别 | 第13-16页 |
| ·模板匹配法 | 第14页 |
| ·统计模式识别法 | 第14-15页 |
| ·模糊模式识别法 | 第15页 |
| ·人工神经网络识别法 | 第15-16页 |
| ·焊缝识别流程 | 第16-20页 |
| ·基于图像块的特征选取 | 第17-18页 |
| ·神经网络分类 | 第18-19页 |
| ·焊缝识别定位的规则 | 第19-20页 |
| ·样本库的建立 | 第20页 |
| ·本章小结 | 第20-21页 |
| 3 基于图像块的特征提取 | 第21-31页 |
| ·图像块选取方式 | 第21-24页 |
| ·有重叠图像块选取 | 第21-22页 |
| ·无重叠图像块选取 | 第22-24页 |
| ·PCA 特征降维 | 第24-27页 |
| ·KL 变换 | 第24-26页 |
| ·特征维数的选取 | 第26-27页 |
| ·特征维数与选块大小的关系 | 第27-30页 |
| ·训练矩阵 | 第27页 |
| ·特征维数 | 第27-30页 |
| ·本章小结 | 第30-31页 |
| 4 分类器的结构设计与优化 | 第31-47页 |
| ·BP 神经网络 | 第31-36页 |
| ·BP 网络的结构 | 第31-32页 |
| ·BP 网络的原理 | 第32-36页 |
| ·BP 神经网络的改进算法 | 第36-41页 |
| ·有动量梯度下降法 | 第37页 |
| ·可变学习速度的梯度下降法 | 第37-38页 |
| ·牛顿法 | 第38页 |
| ·共轭梯度法 | 第38页 |
| ·LM（Levenberg-Marquardt）算法 | 第38-40页 |
| ·神经网络改进算法的比较 | 第40-41页 |
| ·隐层节点的设定 | 第41-46页 |
| ·隐层节点选择的方法 | 第41-43页 |
| ·隐层节点确定实验 | 第43-46页 |
| ·本章小结 | 第46-47页 |
| 5 焊缝识别算法及实验 | 第47-62页 |
| ·识别系统的设计 | 第47-52页 |
| ·特征提取模块 | 第47-49页 |
| ·分类训练模块 | 第49-50页 |
| ·识别定位模块 | 第50-52页 |
| ·不同模式下的识别结果 | 第52-56页 |
| ·有重叠识别 | 第52-53页 |
| ·无重叠识别 | 第53-56页 |
| ·性能评估 | 第56-61页 |
| ·抗干扰性 | 第56-57页 |
| ·与自适应阈值分割的对比 | 第57-59页 |
| ·时效性与识别率 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 6 结论与展望 | 第62-63页 |
| ·结论 | 第62页 |
| ·展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-66页 |