基于图像分析的管道缺陷特征提取方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 引言 | 第10-11页 |
| 1.2 课题研究的背景和意义 | 第11-12页 |
| 1.3 管道缺陷图像处理技术的国内外研究现状 | 第12-14页 |
| 1.3.1 国外研究现状 | 第12-13页 |
| 1.3.2 国内研究现状 | 第13-14页 |
| 1.4 管道漏磁检测技术发展状况 | 第14-15页 |
| 1.5 本文主要研究内容和结构 | 第15-18页 |
| 第2章 管道缺陷数据采集系统结构设计 | 第18-30页 |
| 2.1 管道缺陷数据采集系统的工作原理 | 第18-20页 |
| 2.2 管道缺陷数据采集系统功能模块设计 | 第20-29页 |
| 2.2.1 硬件设计 | 第21-25页 |
| 2.2.2 软件设计 | 第25-29页 |
| 2.3 本章小结 | 第29-30页 |
| 第3章 管道缺陷灰度图像预处理算法研究 | 第30-46页 |
| 3.1 常见管道缺陷及其漏磁信号特点 | 第30-32页 |
| 3.2 管道缺陷信号的可视化处理 | 第32-34页 |
| 3.3 管道缺陷图像的预处理 | 第34-45页 |
| 3.3.1 缺陷图像空域频域结合滤波去噪 | 第35-44页 |
| 3.3.2 缺陷图像幂次变换处理 | 第44-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第4章 管道缺陷灰度图像分割算法研究 | 第46-68页 |
| 4.1 Otsu算法研究与改进 | 第46-50页 |
| 4.2 区域分裂聚合算法的研究 | 第50-56页 |
| 4.2.1 区域生长与分裂聚合算法 | 第50-52页 |
| 4.2.2 区域分裂聚合算法的改进 | 第52-56页 |
| 4.3 管道图像缺陷边缘检测跟踪处理 | 第56-65页 |
| 4.3.1 梯度算子边缘处理 | 第57-62页 |
| 4.3.2 拉普拉斯算子边缘处理 | 第62-63页 |
| 4.3.3 Canny算子边缘处理 | 第63-65页 |
| 4.4 管道图像缺陷特征信息获取 | 第65-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第5章 管道缺陷尺寸辨识神经网络研究 | 第68-78页 |
| 5.1 构建缺陷尺寸辨识BP神经网络 | 第68-77页 |
| 5.1.1 BP神经网络原理 | 第68-69页 |
| 5.1.2 BP神经网络训练样本 | 第69-77页 |
| 5.2 本章小结 | 第77-78页 |
| 第6章 总结与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 致谢 | 第84-86页 |
| 攻读硕士期间科研情况 | 第86页 |
