| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-18页 |
| ·课题背景及研究意义 | 第11-12页 |
| ·金属断口图像识别国内外研究现状 | 第12-14页 |
| ·Bandelet变换的国内外发展现状 | 第14-15页 |
| ·论文的主要内容及创新之处 | 第15-17页 |
| ·主要内容 | 第15-16页 |
| ·关键问题及创新点 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 Bandelet变换理论和算法 | 第18-31页 |
| ·引言 | 第18页 |
| ·小波变换理论及在断口图像处理中的不足 | 第18-24页 |
| ·连续小波变换 | 第18-20页 |
| ·离散小波变换 | 第20-23页 |
| ·小波变换在断口图像处理中的不足 | 第23-24页 |
| ·第一代Bandelet变换 | 第24页 |
| ·第二代Bandelet变换 | 第24-28页 |
| ·第二代Bandelet变换的基本理论 | 第25页 |
| ·图像的四叉树预分割 | 第25-26页 |
| ·最佳几何流方向的计算 | 第26-28页 |
| ·四叉树的修剪和剖分块几何方向的确定 | 第28页 |
| ·Bandelet化 | 第28页 |
| ·Bandelet变换与小波变换在断口图像处理中的对比分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 3 Bandelet变换在金属断口图象消噪和增强中的应用 | 第31-44页 |
| ·引言 | 第31页 |
| ·金属断口噪声的来源 | 第31-33页 |
| ·Bandlet变换的消噪原理 | 第33-35页 |
| ·小波变换的去噪原理和过程 | 第33-34页 |
| ·Bandelet变换的去噪过程 | 第34-35页 |
| ·Bandelet变换在断口图像去噪中的应用 | 第35-37页 |
| ·Bandelet变换在断口图像增强中的应用 | 第37-43页 |
| ·基于小波变换的图像增强算法 | 第37-39页 |
| ·基于Bandelet变换的图像增强算法 | 第39-41页 |
| ·实验研究 | 第41-43页 |
| ·本章小结 | 第43-44页 |
| 4 基于Bandelet变换特征提取的神经网络识别方法研究 | 第44-58页 |
| ·引言 | 第44-45页 |
| ·基于断口图像Bandelet熵特征提取方法研究 | 第45-49页 |
| ·熵的概念、物理意义和算法 | 第45-46页 |
| ·Bandelet熵的定义和算法 | 第46-48页 |
| ·基于Bandelet熵的特征提取方法 | 第48-49页 |
| ·BP神经网络基本理论及算法 | 第49-53页 |
| ·BP神经网络基本理论 | 第49-50页 |
| ·BP网络算法 | 第50-53页 |
| ·Bandelet熵-BP断口图像识别方法研究 | 第53-57页 |
| ·BP网络设计 | 第53-55页 |
| ·实验研究 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 5 结合脉冲耦合神经网络和Bandelet变换的识别方法研究 | 第58-67页 |
| ·引言 | 第58页 |
| ·脉冲耦合神经网络的基本原理及算法 | 第58-63页 |
| ·PCNN基本原理 | 第59-60页 |
| ·PCNN的脉冲机制分析 | 第60-61页 |
| ·PCNN用于图像分割 | 第61-63页 |
| ·基于PCNN和Bandelet变换的识别方法 | 第63-64页 |
| ·识别模型及参数设置 | 第63-64页 |
| ·识别原理及方法 | 第64页 |
| ·实验研究 | 第64-65页 |
| ·本章小结 | 第65-67页 |
| 6 结论与展望 | 第67-70页 |
| ·本文总结 | 第67-68页 |
| ·展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 个人简历、在学期间发表的学术论文与研究成果 | 第75页 |
