摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 绪论 | 第14-20页 |
1.1 课题研究背景及意义 | 第14-15页 |
1.1.1 课题背景 | 第14页 |
1.1.2 课题意义 | 第14-15页 |
1.2 国内外研究现状 | 第15-18页 |
1.2.1 发动机零件检测 | 第15-16页 |
1.2.2 机器视觉检测技术 | 第16-18页 |
1.3 论文的主要研究内容和结构安排 | 第18-20页 |
第二章 机器视觉智能检测系统搭建与标定 | 第20-39页 |
2.1 系统的总体结构设计 | 第20-22页 |
2.1.1 基本结构组成 | 第20-21页 |
2.1.2 检测工作原理 | 第21-22页 |
2.2 系统硬件设计 | 第22-30页 |
2.2.1 照明系统 | 第22-24页 |
2.2.2 摄像机选型 | 第24-26页 |
2.2.3 镜头选型 | 第26-29页 |
2.2.4 总线及图像采集卡 | 第29-30页 |
2.3 摄像机标定 | 第30-38页 |
2.3.1 摄像机标定的必要性 | 第30页 |
2.3.2 针孔成像原理及坐标系转换关系 | 第30-33页 |
2.3.3 本文摄像机标定方法 | 第33-38页 |
2.4 本章小结 | 第38-39页 |
第三章 图像处理与边缘检测 | 第39-51页 |
3.1 图像平滑 | 第39-44页 |
3.1.1 均值滤波(Blur) | 第40-41页 |
3.1.2 高斯滤波(GaussianBlur) | 第41-42页 |
3.1.3 中值滤波(Medianfilter) | 第42-43页 |
3.1.4 自适应中值滤波(AdaptiveMedianFilter) | 第43-44页 |
3.2 图像分割 | 第44-46页 |
3.2.1 灰度直方图 | 第44-45页 |
3.2.2 快速最大类间方差阈值分割法 | 第45-46页 |
3.3 图像形态学处理 | 第46-47页 |
3.3.1 腐蚀与膨胀 | 第46-47页 |
3.3.2 开运算与闭运算 | 第47页 |
3.4 边缘检测 | 第47-50页 |
3.4.1 Canny边缘检测算法 | 第47-49页 |
3.4.2 基于形态学的边缘检测算法 | 第49页 |
3.4.3 改进的Canny算子和形态学边缘检测算法 | 第49-50页 |
3.5 本章小结 | 第50-51页 |
第四章 结合ZNCC-DWT的SURF算子快速拼接算法 | 第51-68页 |
4.1 图像去阴影及拼接的必要性 | 第51页 |
4.2 拼接总体算法 | 第51-52页 |
4.3 序列图LDRIs输入 | 第52页 |
4.4 图像配准 | 第52-56页 |
4.5 ZNCC算法特征点匹配及鬼影检测 | 第56-59页 |
4.6 二维离散小波变换融合法去鬼影 | 第59-64页 |
4.6.1 小波变换信号的分解和融合重构 | 第59-60页 |
4.6.2 图像二维DWT求分解系数 | 第60页 |
4.6.3 确定高低频融合原则 | 第60-64页 |
4.6.4 图像融合去鬼影 | 第64页 |
4.7 图像拼接 | 第64-65页 |
4.8 图像拼接质量评价指标 | 第65-67页 |
4.9 本章小结 | 第67-68页 |
第五章 实时检测软件系统的设计 | 第68-82页 |
5.1 活塞环检测研究 | 第68-76页 |
5.1.1 活塞环漏光度检测及图像拼接与分析 | 第69-73页 |
5.1.2 活塞环测量结果与分析 | 第73-76页 |
5.2 实时检测软件系统开发 | 第76-80页 |
5.2.1 软件开发环境 | 第76-77页 |
5.2.2 软件结构设计与实现 | 第77-80页 |
5.2.3 系统检测技术评价 | 第80页 |
5.3 本章小结 | 第80-82页 |
第六章 总结与展望 | 第82-84页 |
6.1 主要研究工作内容与结论 | 第82页 |
6.2 展望 | 第82-84页 |
参考文献 | 第84-89页 |
攻读学位期间获得的科研成果 | 第89-92页 |
致谢 | 第92页 |