实木智能化在线检测与分选
全新正版 假一赔十 可开发票
￥ 69.32 7.2折 ￥ 96 全新
仅1件
北京东城
认证卖家担保交易快速发货售后保障
作者张怡卓,李超,曹军 著 著作
出版社科学出版社
ISBN9787030445803
出版时间2015-07
装帧平装
开本16开
定价96元
货号1201155063
上书时间2024-12-12
商品详情
- 品相描述：全新
- 商品描述
-
目录
前言
第1章绪论1
1.1实木在线检测与分选的研究背景和意义1
1.1.1研究背景1
1.1.2研究意义2
1.2实木检测的概述3
1.2.1研究对象3
1.2.2实木板材检测的主要研究手段5
1.2.3基于图像处理的板材检测发展历程7
1.3国内外研究现状7
1.3.1国外研究现状7
1.3.2国内研究现状8
1.4本书的主要研究内容与结构9
1.4.1主要研究内容9
1.4.2本书结构11
1.5本章小结12
第2章板材图像预处理13
2.1图像灰度化13
2.2图像增强15
2.2.1直方图均衡化15
2.2.2图像灰度变换16
2.3图像平滑18
2.3.1邻域平均法18
2.3.2中值滤波法19
2.3.3图像平滑算法选择20
2.4图像锐化21
2.4.1微分锐化算法21
2.4.2拉氏锐化算法22
2.4.3Sobel锐化算法23
2.4.4图像锐化及边缘检测实验23
2.5板材原始图像的剪切与预处理25
2.6本章小结28
第3章基于阈值融合的缺陷分割方法29
3.1基于灰度阈值的图像分割的原理29
3.1.1图像灰度阈值29
3.1.2传统的全局阈值处理算法30
3.1.3Otsu阈值分割31
3.2板材图像的梯度分割基本原理34
3.3梯度算子与Otsu阈值分割39
3.4本章小结42
第4章基于形态学的板材缺陷分割与SOM分类43
4.1数学形态学的原理43
4.1.1数学形态学的基本概念43
4.1.2二值形态学基本操作43
4.1.3形态学重构45
4.2基于R分量的形态学分割方法46
4.2.1R分量提取46
4.2.2数学形态学分割步骤47
4.3缺陷特征提取与分类器设计48
4.3.1缺陷特征表达及选取48
4.3.2特征提取步骤52
4.3.3基于SOM神经网络的缺陷分类52
4.3.4基于BP-SOM的缺陷分类56
4.4实验结果与分析61
4.4.1形态学分割结果61
4.4.2特征提取62
4.4.3SOM神经网络设计63
4.4.4BP-SOM混合神经网络分类的测试结果65
4.5本章小结66
第5章基于图像融合的缺陷分割方法67
5.1区域生长与禁忌搜索67
5.1.1区域生长算法67
5.1.2禁忌搜索68
5.2基于图像融合的缺陷分割方法与步骤72
5.2.1实木表面缺陷分割方法72
5.2.2实木表面缺陷分割步骤76
5.3缺陷特征选择与分类器设计80
5.3.1缺陷特征选择80
5.3.2分类器设计81
5.4实验结果与分析85
5.4.1实验步骤85
5.4.2噪声实验分析86
5.4.3分割时间分析87
5.5本章小结88
第6章基于LDA特征融合的压缩感知缺陷识别方法89
6.1基于LDA的缺陷特征降维89
6.1.1LDA理论89
6.1.2Fisher线性判别分析90
6.1.3实木板材缺陷特征的LDA融合92
6.2基于压缩感知理论的板材缺陷识别94
6.2.1压缩感知理论94
6.2.2信号的稀疏表示95
6.2.3观测矩阵的设计96
6.2.4信号重构98
6.2.5基于压缩感知的分类算法99
6.3基于压缩感知的缺陷识别步骤100
6.4实验结果及分析101
6.4.1缺陷识别实验过程101
6.4.2对比实验及结果分析104
6.5本章小结106
第7章基于灰度共生矩阵及模糊理论的纹理分类108
7.1纹理特征108
7.1.1纹理特征的定义108
7.1.2纹理特征的表达方法109
7.1.3木材图像纹理特征及分类113
7.2灰度共生矩阵及其纹理特征选择115
7.2.1灰度共生矩阵115
7.2.2灰度共生矩阵的主要特征值117
7.2.3木材图像灰度共生矩阵及特征119
7.3模糊理论及分类器设计122
7.3.1模糊集合的定义及特征123
7.3.2模糊距离度量125
7.3.3基于模糊理论的图像处理理论127
7.4板材纹理模糊分类器设计128
7.5实验结果及分析137
7.6本章小结139
第8章基于PCA与SVM的纹理分类方法140
8.1图像纹理特征的提取140
8.1.1图像基本统计量140
8.1.2Tamura纹理特征141
8.2基于PCA特征融合算法及应用143
8.2.1PCA的概念和原理143
8.2.2基于PCA的板材纹理特征融合146
8.3基于SVM的纹理特征分类148
8.3.1SVM148
8.3.2板材纹理SVM分类参数优化153
8.4分类结果与分析156
8.5本章小结159
第9章基于多尺度变换的特征提取与纹理分类160
9.1基于小波变换的特征提取与纹理识别160
9.1.1小波变换简介160
9.1.2小波的特征提取167
9.2基于曲波变换的特征提取及纹理识别172
9.2.1第一代曲波变换172
9.2.2第二代曲波变换174
9.2.3曲波的特征提取177
9.3基于双树复小波的特征提取与识别180
9.3.1双树复小波变换180
9.3.2双树复小波变换的性质181
9.3.3双树复小波的特征提取182
9.3.4仿真实验结果183
9.4本章小结184
第10章基于多尺度变换特征融合的纹理分类185
10.1基于小波曲波特征融合的纹理分类185
10.1.1特征融合的准备185
10.1.2基于遗传算法的特征融合186
10.1.3实验结果与分析192
10.2基于双树复小波特征融合的纹理分类195
10.2.1基于粒子群算法的特征优选195
10.2.2实验及分析196
10.3基于曲波与双树复小波的纹理分类199
10.3.1基于混沌粒子群的特征优选199
10.3.2实验结果与分析204
10.4板材表面缺陷？纹理协同分选方法207
10.4.1缺陷？纹理系统分选介绍207
10.4.2协同分选算法及实现207
10.4.3仿真实验210
10.5本章小结213
第11章板材表面多目标柔性分选技术214
11.1柔性分选技术214
11.2颜色分类算法215
11.3样本优选222
11.4实验结果及分析228
11.4.1实验材料及仿真环境228
11.4.2颜色特征分析228
11.4.3纹理样本优选230
11.4.4用户满意度实验230
11.5本章小结231
参考文献233
内容摘要
《实木智能化在线检测与分选》系统地阐述了实木智能化在线检测与分选的技术方法，包括实木板材图像的获取、运动图像的预处理、缺陷和纹理的特征提取与分类器设计等。全书共11章，靠前章是绪论，介绍研究背景和研究现状;第2章介绍板材图像预处理，是实木图像研究的前期准备;第3~6章介绍实木表面缺陷识别与分类方法;第7~10章介绍实木表面纹理识别与分类方法;靠前1章介绍板材表面多目标柔性分选技术。
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价