铁路货车滚动轴承表面缺陷检测与识别技术研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 主要符号说明 | 第8-9页 |
| 第一章 绪论 | 第9-15页 |
| ·前言 | 第9-10页 |
| ·相关的研究现状 | 第10-13页 |
| ·本文的研究内容及重点 | 第13页 |
| ·论文的基本结构 | 第13-15页 |
| 第二章 货车滚动轴承表面缺陷类型及图像识别系统 | 第15-19页 |
| ·铁路货车滚动轴承表面缺陷 | 第15-17页 |
| ·滚动轴承表面缺陷识别的难点分析 | 第17页 |
| ·表面缺陷图像的处理与识别系统 | 第17-19页 |
| 第三章 表面缺陷图像预处理 | 第19-37页 |
| ·数字图像的表示方法 | 第19-20页 |
| ·对比度增强 | 第20-22页 |
| ·图像平滑处理 | 第22-28页 |
| ·图像中的噪声模型 | 第22页 |
| ·数字图像的平滑处理方法 | 第22-28页 |
| ·小波分析基本理论 | 第28-37页 |
| ·多小波变换和多分辨率 | 第29-31页 |
| ·离散多小波实现 | 第31-33页 |
| ·图像的多小波变换 | 第33-35页 |
| ·多小波去噪实验结果和分析 | 第35-37页 |
| 第四章 缺陷识别的模糊C聚类分割算法 | 第37-41页 |
| ·模糊C聚类概述 | 第37页 |
| ·利用改进的FCM进行图像分割 | 第37-41页 |
| 第五章 缺陷目标边缘检测 | 第41-47页 |
| ·图像边缘检测技术概述 | 第41-45页 |
| ·微分边缘检测算子 | 第41-42页 |
| ·基于小波理论的边缘检测算法 | 第42-43页 |
| ·多小波的边缘检测 | 第43-45页 |
| ·多小波边缘检测 | 第45-47页 |
| 第六章 缺陷识别的神经网络方法 | 第47-55页 |
| ·人工神经网络概述 | 第47-48页 |
| ·利用BP网络对缺陷分类 | 第48-49页 |
| ·滚动轴承表面缺陷特征选取 | 第48-49页 |
| ·二叉树算法设计 | 第49页 |
| ·缺陷粗识别实例 | 第49-55页 |
| 第七章 总结 | 第55-56页 |
| ·主要工作回顾 | 第55页 |
| ·本课题今后需进一步研究的地方 | 第55-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 个人简历 在读期间发表的学术论文 | 第60页 |
