便携式焊缝底片检测仪图像处理功能重建
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-11页 |
| 第1章 绪论 | 第11-16页 |
| 1.1 课题背景及研究意义 | 第11-12页 |
| 1.2 焊缝底片检测的国内外研究发展现状 | 第12-14页 |
| 1.2.1 国内研究发展现状 | 第12-13页 |
| 1.2.2 国外研究发展现状 | 第13-14页 |
| 1.3 本课题研究内容及主要创新点 | 第14-16页 |
| 第2章 焊缝底片检测仪系统方案设计 | 第16-24页 |
| 2.1 系统的设计思路 | 第16页 |
| 2.2 系统的工作原理 | 第16-17页 |
| 2.3 系统的硬件结构和软件结构 | 第17-22页 |
| 2.3.1 系统的硬件结构 | 第17-21页 |
| 2.3.2 系统的软件流程 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 焊缝图像处理算法研究 | 第24-45页 |
| 3.1 焊缝图像成像特点分析 | 第24-25页 |
| 3.2 图像增强 | 第25-29页 |
| 3.2.1 直方图均衡化 | 第25-26页 |
| 3.2.2 锐化滤波器 | 第26-28页 |
| 3.2.3 图像频域增强 | 第28-29页 |
| 3.3 图像分割 | 第29-32页 |
| 3.3.1 直方图阈值的双峰法 | 第30页 |
| 3.3.2 最佳阈值迭代法 | 第30-31页 |
| 3.3.3 大律法(OSTU法) | 第31-32页 |
| 3.3.4 各种阈值分割法结果对比 | 第32页 |
| 3.4 图像降噪处理 | 第32-35页 |
| 3.4.1 X射线检测图像噪声分析 | 第32-33页 |
| 3.4.2 普通中值滤波 | 第33页 |
| 3.4.3 自适应中值滤波 | 第33-35页 |
| 3.5 边缘检测 | 第35-42页 |
| 3.5.1 典型边缘检测算子 | 第35-37页 |
| 3.5.2 基于形态学梯度的边缘检测方法 | 第37-40页 |
| 3.5.3 边缘提取方法的效果对比 | 第40-41页 |
| 3.5.4 不同阈值对边缘检测的影响 | 第41-42页 |
| 3.6 焊缝图像处理顺序分析 | 第42-43页 |
| 3.7 本章小结 | 第43-45页 |
| 第4章 焊缝缺陷参数识别 | 第45-58页 |
| 4.1 常见焊缝缺陷分析 | 第45-47页 |
| 4.1.1 缺陷分类 | 第45页 |
| 4.1.2 缺陷成像特征 | 第45-47页 |
| 4.2 轮廓跟踪与提取 | 第47-49页 |
| 4.3 缺陷几何特征定量计算 | 第49-53页 |
| 4.3.1 特征参数选取的依据 | 第49-50页 |
| 4.3.2 特征参数定义和数学计算描述 | 第50-52页 |
| 4.3.3 特征参数的测量和计算 | 第52-53页 |
| 4.4 浮雕对提高缺陷可识别性的评价 | 第53-57页 |
| 4.4.1 浮雕处理参数对浮雕效果的影响 | 第53-55页 |
| 4.4.2 浮雕在缺陷识别中的应用 | 第55-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第5章 神经网络理论在焊缝缺陷检测中的应用及仿真 | 第58-72页 |
| 5.1 误差反向传播神经网络算法 | 第58-64页 |
| 5.1.1 反向传播算法 | 第59页 |
| 5.1.2 BP算法推导 | 第59-62页 |
| 5.1.3 BP算法步骤 | 第62-63页 |
| 5.1.4 学习率连续变化的BP算法 | 第63-64页 |
| 5.2 BP网络设计基础 | 第64-70页 |
| 5.2.1 网络信息容量与训练样本数 | 第64页 |
| 5.2.2 训练样本集的准备 | 第64-66页 |
| 5.2.3 初始权值设计 | 第66页 |
| 5.2.4 BP神经网络的结构设计 | 第66-68页 |
| 5.2.5 BP神经网络训练参数设定 | 第68-70页 |
| 5.3 BP神经网络的训练与测试 | 第70-71页 |
| 5.4 本章小结 | 第71-72页 |
| 第6章 便携式焊缝底片检测仪功能实现 | 第72-77页 |
| 6.1 软件系统 | 第72-75页 |
| 6.2 焊缝X底片缺陷数据库的建立 | 第75-76页 |
| 6.3 本章小结 | 第76-77页 |
| 第7章 结论与展望 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-83页 |
| 攻读硕士学位期间发表的论文 | 第83页 |
