基于纹理特征的木材表面缺陷识别方法的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-14页 |
| ·本研究的目的及意义 | 第9-10页 |
| ·木材缺陷 | 第9页 |
| ·目的及意义 | 第9-10页 |
| ·木材缺陷检测技术的发展现状 | 第10-11页 |
| ·研究方案及技术路线 | 第11-12页 |
| ·研究的关键问题 | 第12-14页 |
| 2 木材表面缺陷的图像检测系统 | 第14-20页 |
| ·木材表面缺陷图像检测系统构成 | 第14-15页 |
| ·软件编程语言 MATLAB | 第15-16页 |
| ·试验样本库的制作 | 第16-18页 |
| ·木材表面缺陷图像特点 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 3 传统与改进的图像分割方法 | 第20-36页 |
| ·图像预处理 | 第20-23页 |
| ·直方图变换增强 | 第20页 |
| ·灰度变换增强 | 第20-21页 |
| ·木材表面缺陷图像的预处理 | 第21-23页 |
| ·传统的图像分割方法 | 第23-26页 |
| ·木材表面缺陷图像的传统边缘检测 | 第23-24页 |
| ·木材表面缺陷图像的传统阈值分割 | 第24-26页 |
| ·改进的二维阈值分割算法 | 第26-30页 |
| ·灰度-梯度共生矩阵 | 第26-27页 |
| ·最大熵方法 | 第27-28页 |
| ·二维阈值分割实验结果 | 第28-30页 |
| ·图像分割后处理 | 第30-35页 |
| ·数学形态学的基本思想和运算 | 第30-31页 |
| ·形态学图像分割后处理 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 4 基于灰度共生矩阵的纹理分割方法 | 第36-58页 |
| ·纹理分割 | 第36-38页 |
| ·统计纹理分析 | 第36页 |
| ·结构纹理分析 | 第36-37页 |
| ·模型纹理分析 | 第37页 |
| ·空间/频率纹理分析 | 第37-38页 |
| ·纹理特征提取 | 第38-43页 |
| ·灰度共生矩阵 | 第38-41页 |
| ·木材表面缺陷图像的灰度共生矩阵参数获取 | 第41-43页 |
| ·基于模糊聚类的纹理特征分割 | 第43-46页 |
| ·聚类分析 | 第43-44页 |
| ·数据集合的模糊 C-划分空间 | 第44页 |
| ·模糊 C均值聚类算法 | 第44-46页 |
| ·木材表面缺陷图像的纹理分割实验结果 | 第46-51页 |
| ·图像分割质量评价 | 第51-56页 |
| ·图像分割评价简介 | 第51-52页 |
| ·灰色关联度评估 | 第52-55页 |
| ·木材表面缺陷分割算法的性能评价 | 第55-56页 |
| ·本章小结 | 第56-58页 |
| 5 木材表面缺陷的识别 | 第58-80页 |
| ·模式识别 | 第58-60页 |
| ·模式识别系统 | 第58-59页 |
| ·模式识别方法 | 第59-60页 |
| ·木材表面缺陷原始特征的建立 | 第60-63页 |
| ·木材表面缺陷特征的选择与提取 | 第63-67页 |
| ·特征的选择与提取 | 第63-64页 |
| ·主分量分析 | 第64-67页 |
| ·BP 神经网络分类器设计 | 第67-76页 |
| ·BP 神经网络 | 第67-72页 |
| ·木材缺陷的 BP 神经网络分类器结构设计 | 第72-76页 |
| ·K-近邻分类器设计 | 第76-78页 |
| ·K-近邻法 | 第76页 |
| ·K-近邻法改进 | 第76-78页 |
| ·K-近邻分类器分类结果 | 第78页 |
| ·本章小结 | 第78-80页 |
| 6 木材表面缺陷识别软件实验系统 | 第80-92页 |
| ·图形用户界面概述 | 第80-81页 |
| ·木材表面缺陷识别实验系统 GUI 设计与实现 | 第81-85页 |
| ·实验系统功能需求描述 | 第81页 |
| ·图形用户界面结构 | 第81-84页 |
| ·回调函数的编写 | 第84-85页 |
| ·软件使用说明 | 第85-91页 |
| ·本章小结 | 第91-92页 |
| 结论 | 第92-94页 |
| 参考文献 | 第94-98页 |
| 攻读学位期间发表的学术论文 | 第98-99页 |
| 致谢 | 第99-100页 |
