基于图像处理胶囊缺陷识别与分类研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·引言 | 第8-9页 |
| ·数字图像的发展 | 第9页 |
| ·图像模式识别 | 第9-10页 |
| ·课题依据、目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·本论文主要研究内容及结构安排 | 第12-14页 |
| 第2章 缺陷胶囊识别的硬件设备 | 第14-18页 |
| ·硬件设备及工作原理 | 第14-15页 |
| ·硬件结构设计 | 第14-15页 |
| ·基于阵列扫描的胶囊图像剔除装置 | 第15页 |
| ·图像采集装置的设计和元器件的选择 | 第15-17页 |
| ·摄像头和图像传输接口 | 第15-16页 |
| ·光源 | 第16-17页 |
| ·图像处理设备 | 第17页 |
| ·小结 | 第17-18页 |
| 第3章 数字图像处理在胶囊识别中的应用 | 第18-36页 |
| ·数字图像的表示 | 第18-20页 |
| ·图像数据格式 | 第18-19页 |
| ·连续图像的数学表示 | 第19页 |
| ·离散图像的数学表示 | 第19-20页 |
| ·胶囊图像预处理 | 第20-22页 |
| ·图像灰度与二值化 | 第20-21页 |
| ·图像平滑 | 第21页 |
| ·图像锐化 | 第21-22页 |
| ·胶囊图像分割 | 第22-31页 |
| ·常用图像分割算法 | 第23-29页 |
| ·胶囊图像改进的分割算法 | 第29-31页 |
| ·胶囊图像边界跟踪与提取 | 第31-35页 |
| ·目标物体的轮廓提取 | 第31-33页 |
| ·图像的边界跟踪法 | 第33页 |
| ·图像面积与周长测量 | 第33-35页 |
| ·小结 | 第35-36页 |
| 第4章 胶囊图像的识别与分类算法 | 第36-48页 |
| ·模式识别理论 | 第36-38页 |
| ·模式识别概念 | 第36页 |
| ·模式识别的基本方法 | 第36-38页 |
| ·人工神经网络识别 | 第38页 |
| ·BP 神经网络 | 第38-40页 |
| ·BP 神经网络概念 | 第38-39页 |
| ·BP 神经网络算法原理 | 第39-40页 |
| ·胶囊缺陷特征提取 | 第40-42页 |
| ·胶囊图像的几何特征 | 第40-41页 |
| ·图像的灰度特征 | 第41页 |
| ·纹理特征提取 | 第41-42页 |
| ·基于改进 BP 神经网络的胶囊样本识别算法 | 第42-46页 |
| ·标准 BP 算法 | 第42页 |
| ·BP 神经网络的改进 | 第42-45页 |
| ·BP 网络对缺陷胶囊图像样本训练 | 第45-46页 |
| ·BP 神经网络测试结果 | 第46-47页 |
| ·本章小结 | 第47-48页 |
| 第5章 胶囊识别与分类的系统设计 | 第48-56页 |
| ·系统软件开发工具 | 第48-50页 |
| ·软件的总体设计 | 第50页 |
| ·系统界面介绍及分析 | 第50-54页 |
| ·软件基本性能 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-58页 |
| ·工作总结 | 第56页 |
| ·本文主要创新点 | 第56-57页 |
| ·未来展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 发表论文和参加科研情况说明 | 第61-62页 |
| 致谢 | 第62-63页 |
