|
|
|
纸浆纤维测量仪纤维图像分类算法研究 |
|
论文目录 |
|
摘要 | 第8-9页 | ABSTRACT | 第9-10页 | 第1章 绪论 | 第11-15页 | 1.1 研究的背景 | 第11页 | 1.2 课题的目的及意义 | 第11-12页 | 1.3 国内外研究现状 | 第12-13页 | 1.4 论文主要研究内容及结构安排 | 第13-15页 | 第2章 纸浆纤维图像预处理 | 第15-31页 | 2.1 纤维的主要形态参数 | 第15-16页 | 2.2 图像减背景 | 第16-17页 | 2.3 图像滤波 | 第17-21页 | 2.3.1 高斯滤波 | 第18-19页 | 2.3.2 中值滤波 | 第19-20页 | 2.3.3 均值滤波 | 第20-21页 | 2.4 图像分割 | 第21-29页 | 2.4.1 阈值分割 | 第21-22页 | 2.4.2 边缘分割 | 第22-25页 | 2.4.3 区域分割 | 第25-26页 | 2.4.4 实验结果与分析 | 第26-29页 | 2.5 本章小结 | 第29-31页 | 第3章 纸浆纤维图像的特征提取 | 第31-41页 | 3.1 特征提取及其评价方法 | 第31-32页 | 3.2 纤维图像的特征提取 | 第32-36页 | 3.2.1 形态特征 | 第32-35页 | 3.2.2 灰度特征 | 第35-36页 | 3.3 纤维图像特征的提取与归一化 | 第36-39页 | 3.4 本章小结 | 第39-41页 | 第4章 分类算法的研究及实现 | 第41-63页 | 4.1 SVM分类 | 第41-54页 | 4.1.1 统计学习理论基础 | 第41页 | 4.1.2 SVM基本原理 | 第41-48页 | 4.1.3 SVM常用核函数 | 第48-49页 | 4.1.4 SVM实现多分类的三种方案 | 第49-51页 | 4.1.5 SVM对纸浆纤维的分类 | 第51-52页 | 4.1.6 SVM分类效果分析 | 第52-54页 | 4.2 卷积神经网络 | 第54-60页 | 4.2.1 神经网络的基本原理 | 第54-56页 | 4.2.2 卷积神经网络的优势 | 第56-57页 | 4.2.3 卷积神经网络模型 | 第57-58页 | 4.2.4 卷积神经网络对纸浆纤维的分类 | 第58-60页 | 4.3 浆种纤维的分类 | 第60-61页 | 4.4 本章小结 | 第61-63页 | 第5章 分类算法的应用研究 | 第63-73页 | 5.1 纸浆形态参数与湿纸幅强度 | 第63-66页 | 5.1.1 纤维平均长度与湿纸幅强度 | 第63-64页 | 5.1.2 纤维卷曲指数与湿纸幅强度 | 第64-65页 | 5.1.3 细小纤维含量与湿纸幅强度 | 第65-66页 | 5.2 纸浆形态参数与粘附性能和滤水性能 | 第66-68页 | 5.3 纸浆图像分类及纤维形态与抄造性能关系验证 | 第68-71页 | 5.3.1 纸浆图像分类结果 | 第68-69页 | 5.3.2 形态参数与抄造性能关系验证 | 第69-71页 | 5.4 本章小结 | 第71-73页 | 第6章 总结与展望 | 第73-75页 | 参考文献 | 第75-79页 | 致谢 | 第79-81页 | 在学期间主要科研成果 | 第81页 |
|
|
|
|
论文编号BS3159026,这篇论文共81页 会员购买按0.35元/页下载,共需支付28.35元。 直接购买按0.5元/页下载,共需要支付40.5元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|