磁粉检测图像智能辨识方法研究及实现
| 摘要 | 第1-5页 |
| abstract | 第5-9页 |
| 1 绪论 | 第9-16页 |
| ·课题研究背景及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-14页 |
| ·磁粉检测领域研究现状 | 第10-12页 |
| ·磁粉检测缺陷图像辨识方法研究现状 | 第12-13页 |
| ·统计学习及支持向量机研究现状 | 第13-14页 |
| ·课题来源与主要研究内容 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 2 磁粉检测智能辨识系统 | 第16-24页 |
| ·半自动磁粉检测系统简介 | 第16-18页 |
| ·系统设计目标 | 第18-19页 |
| ·智能辨识系统整体方案 | 第19-23页 |
| ·图像采集系统 | 第20-22页 |
| ·图像预处理及特征提取 | 第22页 |
| ·图像分类算法研究 | 第22-23页 |
| ·实现平台 | 第23页 |
| ·本章小结 | 第23-24页 |
| 3 裂纹图像特征提取 | 第24-44页 |
| ·磁粉检测工艺过程及磁痕分析 | 第24-29页 |
| ·图像预处理 | 第29-37页 |
| ·传统图像预处理方法 | 第29-32页 |
| ·磁粉检测图像RGB-波长关系算法 | 第32-37页 |
| ·特征提取 | 第37-43页 |
| ·常用图像特征 | 第38-39页 |
| ·磁粉检测的特征提取与选择 | 第39-43页 |
| ·本章小结 | 第43-44页 |
| 4 磁粉检测图像分类方法研究 | 第44-57页 |
| ·传统磁粉检测辨识方法 | 第44-47页 |
| ·支持向量机理论 | 第47-54页 |
| ·样本线性可分的支持向量机 | 第48-50页 |
| ·样本线性不可分的支持向量机 | 第50-52页 |
| ·支持向量机算法 | 第52-54页 |
| ·支持向量机后验概率输出的映射方法 | 第54-56页 |
| ·本章小结 | 第56-57页 |
| 5 系统实现及实验分析 | 第57-65页 |
| ·预处理及特征提取实验 | 第57-60页 |
| ·预处理实验 | 第57-59页 |
| ·特征提取实验 | 第59-60页 |
| ·支持向量机参数选择实验 | 第60-62页 |
| ·裂痕图像分类实验 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读硕士学位期间发表的学术论文及研究成果 | 第71页 |
| 学术论文 | 第71页 |
| 研究成果 | 第71页 |
