本文主要研究炮弹装药疵病的自动识别问题。主要是采用图像处理和分析的方法对取得的炮弹X射线图像进行处理和分析。文中涉及到了小波分析、图像处理和分析中的边缘检测、特征提取等方面的内容。边缘检测是数字图像分析中重要的一环。小波变换是一种强有力的数学和信号处理工具，它的时频域特性决定了它在图像的边缘检测中具有很好的应用前景。特征提取则是要完成图像识别的首要任务。 本文的第一章是绪论，阐述了研究课题的提出，对炮弹装药自动识别技术包括图像边缘检测技术、目标的特征提取技术、目标的模式识别技术进行了概述，提出系统的解决方案。第二章叙述了小波变换的基本原理，详细叙述了小波变换的多分辨率分析、二进离散小波变换的Mallat快速算法和利用小波变换模极大值进行图 太原理工大学硕士毕业论文像边缘检测的原理。最后是试验，用小波变换模极大值边缘检测算法对几种X射线图像进行边缘检测，并与用传统边缘检测方法进行边缘检测的结果进行了比较。结果小波变换的方法明显优于传统的方法。第三章叙述了图像特征的描述，其中重点叙述了不变矩的原理以及Hu不变矩的具体形式，同时说明了Hu不变矩在离散情况下不具有比例不变性，从而又引出了一种基于Hu不变矩的新的不变矩，它在离散情况下具有旋转、平移、比例不变性。最后用计算机进行了仿真，对同样的几幅图像分别用Hu不变矩和修正后的不变矩进行特征提取，对比的数据说明修正后的不变矩在离散情况下具有旋转、平移、比例不变性。第四章对神经网络的基本原理进行了描述，重点介绍了反向传播(Baek propagation)神经网络。