带钢表面缺陷监测系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·国内外研究概况 | 第10-12页 |
| ·国外研究发展现状 | 第10-12页 |
| ·国内研究发展现状 | 第12页 |
| ·研究目的和意义 | 第12-13页 |
| ·研究的主要内容 | 第13-15页 |
| 第2章 系统需求分析 | 第15-19页 |
| ·系统的基本技术要求 | 第15页 |
| ·系统的总体设计方案 | 第15-16页 |
| ·系统的硬件设备 | 第16-19页 |
| 第3章 带钢图像的预处理 | 第19-23页 |
| ·图像的灰度化 | 第19页 |
| ·图像去噪处理 | 第19-21页 |
| ·图像的增强 | 第21-23页 |
| 第4章 带钢图像缺陷的检测 | 第23-27页 |
| ·缺陷检测算法原理 | 第23页 |
| ·缺陷检测算法描述 | 第23-24页 |
| ·缺陷检测算法的可靠性分析 | 第24-27页 |
| 第5章 带钢图像缺陷区域分割 | 第27-41页 |
| ·图像分割的定义 | 第27-28页 |
| ·带钢缺陷图像的种类及分割方法 | 第28-41页 |
| ·带钢缺陷图像的边缘检测 | 第29-34页 |
| ·带钢缺陷区域分割 | 第34-38页 |
| ·本文采用的分割方法 | 第38-41页 |
| 第6章 带钢图像缺陷定位 | 第41-47页 |
| ·图像连通与区域标记 | 第42-44页 |
| ·缺陷区域统计 | 第44-45页 |
| ·选取主要缺陷 | 第45-47页 |
| 第7章 带钢缺陷特征提取 | 第47-59页 |
| ·纹理特征提取 | 第47-55页 |
| ·基本原理 | 第47-52页 |
| ·矩阵特点 | 第52-54页 |
| ·灰度共生矩阵的特征参数 | 第54-55页 |
| ·灰度特征提取 | 第55-56页 |
| ·几何特征提取 | 第56-59页 |
| 第8章 带钢图像缺陷分类 | 第59-71页 |
| ·人工神经网络概述 | 第59-60页 |
| ·生物神经元 | 第60-61页 |
| ·人工神经元 | 第61-63页 |
| ·前馈神经网络,BP算法以及计算机的实现 | 第63-71页 |
| ·BP网络原理 | 第64-68页 |
| ·神经网络识别系统知识库的组建 | 第68页 |
| ·神经网络识别系统设计 | 第68-71页 |
| 第9章 结论 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
