| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第7-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 焊缝缺陷识别国内研究现状 | 第11-12页 |
| 1.2.2 焊缝缺陷识别国外研究现状 | 第12-13页 |
| 1.3 研究思路及主要研究内容 | 第13-14页 |
| 1.4 本文组织结构 | 第14-16页 |
| 第二章 图像处理技术及模式识别相关理论研究 | 第16-24页 |
| 2.1 数字图像预处理 | 第16-18页 |
| 2.1.1 数字图像去噪 | 第16-17页 |
| 2.1.2 数字图像增强处理 | 第17-18页 |
| 2.1.3 数字图像的分割 | 第18页 |
| 2.2 模式识别相关理论研究 | 第18-22页 |
| 2.2.1 模糊集相关理论的研究 | 第19-20页 |
| 2.2.2 神经网络相关理论研究 | 第20-22页 |
| 2.3 小结 | 第22-24页 |
| 第三章 焊缝 X 射线图像预处理 | 第24-36页 |
| 3.1 基于中值滤波的焊缝缺陷图像降噪处理 | 第24-26页 |
| 3.1.1 中值滤波原理 | 第24-25页 |
| 3.1.2 基于改进中值滤波算法的焊缝缺陷图像降噪方法 | 第25-26页 |
| 3.2 焊缝缺陷图像增强处理 | 第26-29页 |
| 3.2.1 基于灰度变换的焊缝图像增强方法 | 第26-28页 |
| 3.2.2 基于模糊集合的焊缝图像增强处理 | 第28-29页 |
| 3.3 焊缝缺陷图像分割处理 | 第29-34页 |
| 3.3.1 基于一阶微分的焊缝边缘检测算子 | 第29-31页 |
| 3.3.2 基于 Otsu 方法的焊缝图像分割 | 第31-34页 |
| 3.4 实验及结果分析 | 第34-35页 |
| 3.5 小结 | 第35-36页 |
| 第四章 基于模糊集的焊缝缺陷图像的特征提取及选择 | 第36-46页 |
| 4.1 焊缝缺陷种类及其特点 | 第36-38页 |
| 4.2 基于灰度曲线分析的焊缝缺陷定位 | 第38-39页 |
| 4.3 焊缝缺陷特征提取及特征选择 | 第39-43页 |
| 4.3.1 焊缝缺陷特征提取 | 第39-42页 |
| 4.3.2 焊缝缺陷特征选择 | 第42-43页 |
| 4.4 基于模糊集的焊缝缺陷特征参数描述 | 第43-45页 |
| 4.5 小结 | 第45-46页 |
| 第五章 基于模糊集合与神经网络的焊缝缺陷识别研究 | 第46-57页 |
| 5.1 模糊理论与神经网络原理 | 第46-50页 |
| 5.1.1 前馈神经网络模型 | 第46-47页 |
| 5.1.2 BP 神经网络学习规则 | 第47-48页 |
| 5.1.3 神经网络结构设计 | 第48-49页 |
| 5.1.4 模糊集合原理 | 第49-50页 |
| 5.2 模糊理论与神经网络融合 | 第50-52页 |
| 5.3 基于模糊集与神经网络结合应用实例 | 第52-55页 |
| 5.3.1 实现方案 | 第52页 |
| 5.3.2 输入数据预处理 | 第52-53页 |
| 5.3.3 实验及结果分析 | 第53-55页 |
| 5.4 小结 | 第55-57页 |
| 第六章 焊缝缺陷识别系统设计与实现 | 第57-63页 |
| 6.1 系统总体设计 | 第57-59页 |
| 6.2 焊缝 X 射线图像前期处理 | 第59-61页 |
| 6.2.1 焊缝 X 射线图像数字化处理 | 第59-60页 |
| 6.2.2 焊缝 X 射线图像预处理 | 第60-61页 |
| 6.3 焊缝缺陷识别 | 第61-62页 |
| 6.3.1 焊缝 X 射线图像缺陷提取 | 第61页 |
| 6.3.2 焊缝 X 射线图像缺陷类型识别 | 第61-62页 |
| 6.3.3 应用结果分析 | 第62页 |
| 6.4 小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 发表文章目录 | 第68-69页 |
| 致谢 | 第69-70页 |
| 详细摘要 | 第70-79页 |