基于SVD和SVM的复杂背景噪声图像的纸病辨识
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 1 绪论 | 第11-16页 |
| ·课题研究背景与意义 | 第11-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·课题主要研究内容及结构安排 | 第15-16页 |
| ·课题研究内容 | 第15页 |
| ·论文结构安排 | 第15-16页 |
| 2 纸病和纸病检测系统的绪论 | 第16-27页 |
| ·常见的五种纸病 | 第16-18页 |
| ·数字图像处理技术 | 第18-21页 |
| ·纸病检测过程 | 第21-26页 |
| ·检测原理 | 第21页 |
| ·纸病图像采集 | 第21-25页 |
| ·基于FPGA的图像预处理 | 第25-26页 |
| ·基于SVD和SVM的复杂背景噪声图像的纸病辨识 | 第26页 |
| 第一步采用二维小波分析将信噪分离 | 第26页 |
| 第二步对纸病特征进行提取 | 第26页 |
| 第三步借助SVM的纸病辨识。 | 第26页 |
| ·本章小结 | 第26-27页 |
| 3 纸病图像的预处理算法及FPGA实现 | 第27-45页 |
| ·纸病图像的预处理算法 | 第27-35页 |
| ·RGB到YUV的转换 | 第27-28页 |
| ·图像滤波去噪 | 第28-33页 |
| ·图像分割 | 第33-35页 |
| ·FPGA实现图像预处理 | 第35-44页 |
| ·FPGA的概述 | 第35页 |
| ·FPGA的结构与设计 | 第35-38页 |
| ·FPGA的设计方法 | 第38-40页 |
| ·FPGA对中值滤波的实现 | 第40-44页 |
| ·本章小结 | 第44-45页 |
| 4 纸病辨识理论知识研究 | 第45-63页 |
| ·纸病图像背景噪声及不均匀性 | 第45-46页 |
| ·二维小波变换 | 第46-52页 |
| ·奇异值分解技术（SVD） | 第52-54页 |
| ·支持向量机（SVM） | 第54-62页 |
| ·统计学习理论核心 | 第55-57页 |
| （1）VC维 | 第55页 |
| （2）推广性界限 | 第55-56页 |
| （3）结构风险最小化 | 第56-57页 |
| ·SVM理论 | 第57-62页 |
| （1） 广义最优分类面 | 第57-59页 |
| （2）最优分类面的求解 | 第59-62页 |
| ·本章小结 | 第62-63页 |
| 5 基于SVD和SVM的纸病辨识方法研究 | 第63-76页 |
| ·纸病图像背景噪声模型的建立 | 第64-67页 |
| ·基于二维小波变换的纸病信噪分离 | 第67-68页 |
| ·使用SVD提取纸病特征 | 第68-70页 |
| ·基于支持向量机(SVM)的纸病分类 | 第70-74页 |
| ·实时性分析 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 6 总结与展望 | 第76-77页 |
| ·工作总结 | 第76页 |
| ·未来工作展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-81页 |
| 攻读学位期间发表的学术论文目录 | 第81-82页 |
