木材表面缺陷的模式識(shí)別方法

序
前言
第1章 緒論
1.1 木材缺陷
1.2 木材表面缺陷識(shí)別的意義
1.3 木材缺陷檢測(cè)技術(shù)的發(fā)展現(xiàn)狀
1.4 木材表面缺陷識(shí)別的研究?jī)?nèi)容
第2章 木材表面缺陷圖像識(shí)別系統(tǒng)
2.1 木材表面缺陷圖像識(shí)別系統(tǒng)的結(jié)構(gòu)
2.2 matlab軟件的特點(diǎn)
2.3 木材表面缺陷實(shí)驗(yàn)樣本庫(kù)
2.4 木材表面缺陷的特點(diǎn)
2.5 木材表面紋理（無缺陷）實(shí)驗(yàn)樣本庫(kù)
2.6 小結(jié)
第3章 木材表面缺陷的常規(guī)分割方法及其改進(jìn)
3.1 圖像預(yù)處理
3.1.1 直方圖均衡化
3.1.2 圖像灰度變換
3.1.3 木材表面圖像的預(yù)處理
3.2 木材表面圖像的常規(guī)分割方法
3.2.1 邊緣檢測(cè)
3.2.2 閾值分割
3.3 改進(jìn)的二維閾值分割算法
3.3.1 灰度—梯度共生矩陣
3.3.2 最大熵方法
3.3.3 木材表面圖像二維閾值分割實(shí)驗(yàn)結(jié)果
3.4 木材表面圖像分割后處理
3.4.1 數(shù)學(xué)形態(tài)學(xué)的基本思想和運(yùn)算
3.4.2 基于形態(tài)學(xué)的木材表面圖像分割后處理
3.5 小結(jié)
第4章 基于分形理論的木材表面缺陷分割
4.1 mandelbrot分形理論
4.1.1 分形的定義
4.1.2 分形維數(shù)
4.1.3 分形布朗運(yùn)動(dòng)的定義
4.2 基于dfbr場(chǎng)模型的圖像分割
4.2.1 分形參數(shù)h計(jì)算方法
4.2.2 基于分形維的木材表面缺陷圖像分割
4.2.3 木材缺陷分割算法的改進(jìn)
4.3 小結(jié)
第5章 木材表面紋理的灰度共生矩陣參數(shù)
5.1 紋理分析分類的常用方法
5.1.1 統(tǒng)計(jì)方法
5.1.2 模型方法
5.1.3 數(shù)學(xué)變換方法
5.1.4 其他紋理分析方法
5.2 灰度共生矩陣及其參數(shù)體系
5.2.1 灰度共生矩陣
5.2.2 灰度共生矩陣參數(shù)
5.3 木材表面紋理灰度共生矩陣的建立方法
5.3.1 灰度共生矩陣生成步長(zhǎng)的確定
5.3.2 生成方向?qū)叶裙采仃囂卣鲄?shù)的影響
5.4 木材表面紋理灰度共生矩陣參數(shù)分析
5.5 10種木材表面紋理的灰度共生矩陣參數(shù)分布
5.6 小結(jié)
第6章 木材紋理的模式識(shí)別方法
6.1 模式識(shí)別的基本概念
6.2 特征選擇與提取
6.2.1 類別可分離性判據(jù)
6.2.2 基于可分離判據(jù)的特征提取
6.2.3 基于可分離判據(jù)的特征選擇
6.3 模擬退火法
6.3.1 固體退火過程
6.3.2 metropolis抽樣準(zhǔn)則
6.3.3 模擬退火法簡(jiǎn)介
6.3.4 模擬退火法的改進(jìn)
6.3.5 返回搜索模擬退火法的實(shí)現(xiàn)
6.4 模式分類器
6.4.1 最近鄰分類器
6.4.2 k—近鄰分類器
6.4.3 k—近鄰分類器的改進(jìn)
6.5 bp神經(jīng)網(wǎng)絡(luò)分類器
6.5.1 多層感知器
6.5.2 hp學(xué)習(xí)算法
6.5.3 bp學(xué)習(xí)算法的改進(jìn)
6.5.4 bp神經(jīng)網(wǎng)絡(luò)分類器的結(jié)構(gòu)設(shè)計(jì)
6.6 多分類器集成
6.6.1 多分類器集成簡(jiǎn)介
6.6.2 基于抽象級(jí)信息的多分類器集成
6.6.3 基于度量級(jí)信息的多分類器集成
6.6.4 集成神經(jīng)網(wǎng)絡(luò)分類器的實(shí)現(xiàn)
6.7 基于灰度共生矩陣的木材表面紋理分類
6.7.1 木材表面紋理灰度共生矩陣參數(shù)的選擇
6.7.2 基于灰度共生矩陣的分類器測(cè)試結(jié)果
6.7.3 木材紋理圖像加噪聲后的分類結(jié)果
6.7.4 木材紋理圖像加噪聲并經(jīng)中值濾波后的分類結(jié)果
6.8 小結(jié)
第7章 基于紋理特征的木材表面缺陷分割
7.1 紋理分割
7.2 木材表面圖像的灰度共生矩陣參數(shù)獲取
7.3 基于模糊聚類的紋理分割
7.3.1 聚類分析
7.3.2 數(shù)據(jù)集合的模糊c—劃分空間
7.3.3 模糊c均值聚類算法
7.4 木材表面缺陷圖像的紋理分割實(shí)驗(yàn)結(jié)果
7.5 圖像分割質(zhì)量評(píng)價(jià)
7.5.1 圖像分割評(píng)價(jià)簡(jiǎn)介
7.5.2 灰色關(guān)聯(lián)度評(píng)估模型
7.5.3 木材表面缺陷分割算法的性能評(píng)價(jià)
7.6 小結(jié)
第8章 木材表面缺陷的識(shí)別
8.1 木材表面缺陷原始特征的建立
8.2 木材表面缺陷特征的選擇與提取
8.2.1 木材表面缺陷的特征選擇
8.2.2 主分量分析
8.3 木材表面缺陷的bp神經(jīng)網(wǎng)絡(luò)分類器結(jié)構(gòu)設(shè)計(jì)
8.4 木材表面缺陷的bp神經(jīng)網(wǎng)絡(luò)分類結(jié)果
8.5 木材表面缺陷的k—近鄰分類器分類結(jié)果
8.6 小結(jié)
第9章 木材表面缺陷識(shí)別實(shí)驗(yàn)軟件系統(tǒng)
9.1 matlab的圖形用戶界面概述
9.2 木材表面缺陷識(shí)別實(shí)驗(yàn)系統(tǒng)gui設(shè)計(jì)
9.2.1 實(shí)驗(yàn)系統(tǒng)功能需求描述
9.2.2 圖形用戶界面結(jié)構(gòu)
9.2.3 回調(diào)函數(shù)的編寫
9.3 軟件使用說明
9.4 小結(jié)
總結(jié)
參考文獻(xiàn)
致謝