声明
第1章 绪论
1.1 课题的来源及目的
1.2 课题研究背景及意义
1.3 国内外研究现状
1.4 本文结构
第2章 带钢表面缺陷图像预处理
2.1 带钢表面缺陷
1.边浪
2.夹杂
3.孔洞
4.划伤
5.无渍
6.无缺陷
2.2 图像去噪
2.2.1 噪声类型
2.2.2 缺陷图像去噪方法
2.2.3 结果对比分析
2.3 缺陷图像增强
2.3.1 图像增强方法
2.3.2 结果与分析
2.4 图像分割
2.4.1 图像分割方法
2.4.2 结果与分析
2.5 本章小结
第3章 带钢表面缺陷特征提取及选择
3.1 特征提取
3.1.1 几何特征
3.1.2 灰度特征
3.1.3 纹理特征
3.14 不变矩和拓扑特征
3.1.5 提取部分结果
3.2 特征选择
3.2.1 主成分分析法
3.2.2 Relief F算法
3.3 实验结果
3.4 本章总结
第4章 带钢表面缺陷分类算法
4.1 支持向量机
4.2 K近邻算法
4.3 随机森林
4.4 神经网络
4.4.1 BP神经网络
4.4.2 径向基函数神经网络
4.5 实验结果分析
1. 预处理及特征选择
2. 各分类器结果
4.6 本章总结
第5章 总结与展望
5.1 总结
5.2 展望
参考文献
致谢
附录
湖北工业大学;