| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究的背景 | 第12-13页 |
| ·国内外研究现状 | 第13-18页 |
| ·国外发展现状 | 第13-15页 |
| ·国内主要研究成果 | 第15-16页 |
| ·缺陷图像特征提取算法存在的主要问题及解决思路分析 | 第16-18页 |
| ·课题研究的目的和意义 | 第18-19页 |
| ·研究的主要内容 | 第19-20页 |
| 第2章 带钢表面缺陷图像常用特征提取方法 | 第20-34页 |
| ·图像的获取与分类 | 第20-21页 |
| ·图像的获取 | 第20页 |
| ·图像的分类 | 第20-21页 |
| ·图像特征提取 | 第21-33页 |
| ·图像特征相关概念 | 第21-22页 |
| ·常用的特征提取方法分类 | 第22-33页 |
| ·本章小结 | 第33-34页 |
| 第3章 脉冲耦合神经网络模型及与特征提取相关特性 | 第34-46页 |
| ·脉冲耦合神经网络的兴起与发展 | 第34-35页 |
| ·脉冲耦合神经网络的兴起 | 第34-35页 |
| ·脉冲耦合神经网络在图像特征提取方面的发展 | 第35页 |
| ·脉冲耦合神经网络模型及简化 | 第35-38页 |
| ·脉冲耦合神经网络的基本特性分析 | 第38-41页 |
| ·脉冲耦合神经网络的工作原理 | 第41-44页 |
| ·本章小结 | 第44-46页 |
| 第4章 脉冲耦合神经网络特征提取 | 第46-68页 |
| ·基于PCNN模型的图像预处理 | 第46-47页 |
| ·脉冲耦合神经网络的二值输出序列特征 | 第47-52页 |
| ·模型的选择 | 第47-48页 |
| ·PCNN输出二值图像 | 第48页 |
| ·图像的NMI特征 | 第48-50页 |
| ·二值序列图像NMI特征提取 | 第50-52页 |
| ·基于PCNN模型的缺陷图像分割 | 第52-54页 |
| ·最大熵准则 | 第53-54页 |
| ·基于最大熵原则的缺陷图像分割原理 | 第54页 |
| ·缺陷图像分割实验结果 | 第54页 |
| ·基于PCNN点火时间信号不变性特征提取 | 第54-63页 |
| ·点火时间信号及对图像的空间几何特性描述 | 第56-58页 |
| ·点火时间信号的不变性特征分析 | 第58-63页 |
| ·点火时间信号重心特征 | 第63-64页 |
| ·赋时矩阵的定义 | 第63页 |
| ·赋时矩阵的重心特征 | 第63-64页 |
| ·基于PCNN的特征提取实验结果 | 第64-65页 |
| ·本章小结 | 第65-68页 |
| 第5章 缺陷图像的快速特征降维算法 | 第68-76页 |
| ·图像特征降维 | 第68-71页 |
| ·类别可分离性判据 | 第69-70页 |
| ·遗传算法 | 第70页 |
| ·ReliefF特征降维算法 | 第70-71页 |
| ·RFCC特征降维算法 | 第71-73页 |
| ·实验结果 | 第73-75页 |
| ·本章小结 | 第75-76页 |
| 第6章 结论 | 第76-78页 |
| 参考文献 | 第78-84页 |
| 致谢 | 第84页 |