POD-实木智能化在线检测与分选pdf/txt下载_在线阅读全文

编辑推荐

POD产品说明： 1. 本产品为按需印刷（POD）图书，实行先付款，后印刷的流程。您在页面购买且完成支付后，订单转交出版社。出版社根据您的订单采用数字印刷的方式，单独为您印制该图书，属于定制产品。 2. 按需印刷的图书装帧均为平装书（含原为精装的图书）。由于印刷工艺、彩墨的批次不同，颜色会与老版本略有差异，但通常会比老版本的颜色更准确。原书内容含彩图的，统一变成黑白图，原书含光盘的，统一无法提供光盘。 3. 按需印刷的图书制作成本高于传统的单本成本，因此售价高于原书定价。 4. 按需印刷的图书，出版社生产周期一般为15个工作日（特殊情况除外）。请您耐心等待。 5. 按需印刷的图书，属于定制产品，不可取消订单，无质量问题不支持退货。

内容简介

本书可供高等院校模式识别与智能系统、控制科学与工程、电气工程及其自动化等相关专业的本科生、研究生参考阅读。

目　　录

前言
第1章绪论
1.1 实木在线检测与分选的研究背景和意义
1.1.1 研究背景
1.1.2 研究意义
1.2 实木检测的概述
1.2.1 研究对象
1.2.2 实木板材检测的主要研究手段
1.2.3 基于图像处理的板材检测发展历程
1.3 国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 本书的主要研究内容与结构
1.4.1 主要研究内容

前言 第1章 绪论 1.1 实木在线检测与分选的研究背景和意义 1.1.1 研究背景 1.1.2 研究意义 1.2 实木检测的概述 1.2.1 研究对象 1.2.2 实木板材检测的主要研究手段 1.2.3 基于图像处理的板材检测发展历程 1.3 国内外研究现状 1.3.1 国外研究现状 1.3.2 国内研究现状 1.4 本书的主要研究内容与结构 1.4.1 主要研究内容 1.4.2 本书结构 1.5 本章小结 第2章 板材图像预处理 2.1 图像灰度化 2.2 图像增强 2.2.1 直方图均衡化 2.2.2 图像灰度变换 2.3 图像平滑 2.3.1 邻域平均法 2.3.2 中值滤波法 2.3.3 图像平滑算法选择 2.4 图像锐化 2.4.1 微分锐化算法 2.4.2 拉氏锐化算法 2.4.3 Sobel锐化算法 2.4.4 图像锐化及边缘检测实验 2.5 板材原始图像的剪切与预处理 2.6 本章小结 第3章 基于阈值融合的缺陷分割方法 3.1 基于灰度阈值的图像分割的原理 3.1.1 图像灰度阈值 3.1.2 传统的全局阈值处理算法 3.1.3 Otsu阈值分割 3.2 板材图像的梯度分割基本原理 3.3 梯度算子与Otsu阈值分割 3.4 本章小结 第4章 基于形态学的板材缺陷分割与SOM分类 4.1 数学形态学的原理 4.1.1 数学形态学的基本概念 4.1.2 二值形态学基本操作 4.1.3 形态学重构 4.2 基于R分量的形态学分割方法 4.2.1 R分量提取 4.2.2 数学形态学分割步骤 4.3 缺陷特征提取与分类器设计 4.3.1 缺陷特征表达及选取 4.3.2 特征提取步骤 4.3.3 基于SOM神经网络的缺陷分类 4.3.4 基于BP-SOM的缺陷分类 4.4 实验结果与分析 4.4.1 形态学分割结果 4.4.2 特征提取 4.4.3 SOM神经网络设计 4.4.4 BP-SOM混合神经网络分类的测试结果 4.5 本章小结 第5章 基于图像融合的缺陷分割方法 5.1 区域生长与禁忌搜索 5.1.1 区域生长算法 5.1.2 禁忌搜索 5.2 基于图像融合的缺陷分割方法与步骤 5.2.1 实木表面缺陷分割方法 5.2.2 实木表面缺陷分割步骤 5.3 缺陷特征选择与分类器设计 5.3.1 缺陷特征选择 5.3.2 分类器设计 5.4 实验结果与分析 5.4.1 实验步骤 5.4.2 噪声实验分析 5.4.3 分割时间分析 5.5 本章小结 第6章 基于LDA特征融合的压缩感知缺陷识别方法 6.1 基于LDA的缺陷特征降维 6.1.1 LDA理论 6.1.2 Fisher线性判别分析 6.1.3 实木板材缺陷特征的LDA融合 6.2 基于压缩感知理论的板材缺陷识别 6.2.1 压缩感知理论 6.2.2 信号的稀疏表示 6.2.3 观测矩阵的设计 6.2.4 信号重构 6.2.5 基于压缩感知的分类算法 6.3 基于压缩感知的缺陷识别步骤 6.4 实验结果及分析 6.4.1 缺陷识别实验过程 6.4.2 对比实验及结果分析 6.5 本章小结 第7章 基于灰度共生矩阵及模糊理论的纹理分类 7.1 纹理特征 7.1.1 纹理特征的定义 7.1.2 纹理特征的表达方法 7.1.3 木材图像纹理特征及分类 7.2 灰度共生矩阵及其纹理特征选择 7.2.1 灰度共生矩阵 7.2.2 灰度共生矩阵的主要特征值 7.2.3 木材图像灰度共生矩阵及特征 7.3 模糊理论及分类器设计 7.3.1 模糊集合的定义及特征 7.3.2 模糊距离度量 7.3.3 基于模糊理论的图像处理理论 7.4 板材纹理模糊分类器设计 7.5 实验结果及分析 7.6 本章小结 第8章 基于PCA与SVM的纹理分类方法 8.1 图像纹理特征的提取 8.1.1 图像基本统计量 8.1.2 Tamura纹理特征 8.2 基于PCA特征融合算法及应用 8.2.1 PCA的概念和原理 8.2.2 基于PCA的板材纹理特征融合 8.3 基于SVM的纹理特征分类 8.3. 8.3.2 板材纹理SVM分类参数优化 8.4 分类结果与分析 8.5 本章小结 第9章 基于多尺度变换的特征提取与纹理分类 9.1 基于小波变换的特征提取与纹理识别 9.1.1 小波变换简介 9.1.2 小波的特征提取 9.2 基于曲波变换的特征提取及纹理识别 9.2.1 **代曲波变换 9.2.2 第二代曲波变换 9.2.3 曲波的特征提取 9.3 基于双树复小波的特征提取与识别 9.3.1 双树复小波变换 9.3.2 双树复小波变换的性质 9.3.3 双树复小波的特征提取 9.3.4 仿真实验结果 9.4 本章小结 第10章 基于多尺度变换特征融合的纹理分类 10.1 基于小波曲波特征融合的纹理分类 10.1.1 特征融合的准备 10.1.2 基于遗传算法的特征融合 10.1.3 实验结果与分析 10.2 基于双树复小波特征融合的纹理分类 10.2.1 基于粒子群算法的特征优选 10.2.2 实验及分析 10.3 基于曲波与双树复小波的纹理分类 10.3.1 基于混沌粒子群的特征优选 10.3.2 实验结果与分析 10.4 板材表面缺陷、纹理协同分选方法 10.4.1 缺陷、纹理系统分选介绍 10.4.2 协同分选算法及实现 10.4.3 仿真实验 10.5 本章小结 第11章 板材表面多目标柔性分选技术 11.1 柔性分选技术 11.2 颜色分类算法 11.3 样本优选 11.4 实验结果及分析 11.4.1 实验材料及仿真环境 11.4.2 颜色特征分析 11.4.3 纹理样本优选 11.4.4 用户满意度实验 11.5 本章小结 参考文献

显示全部信息

POD-实木智能化在线检测与分选下载

POD-实木智能化在线检测与分选

发布书评

相关图书推荐