基于机器视觉的目标识别与测量算法的研究
| 中文摘要 | 第1-10页 |
| ABSTRACT | 第10-12页 |
| 符号说明 | 第12-13页 |
| 第一章 绪论 | 第13-24页 |
| ·课题研究背景和意义 | 第13-16页 |
| ·课题研究背景 | 第13-15页 |
| ·课题研究意义 | 第15-16页 |
| ·机器视觉技术概述 | 第16-21页 |
| ·一般视觉检测系统的组成及原理 | 第17-19页 |
| ·机器视觉应用 | 第19-20页 |
| ·机器视觉检测国内外研究现状 | 第20-21页 |
| ·本文中机器视觉检测技术面临的挑战 | 第21页 |
| ·本文的主要研究内容和组织结构 | 第21-23页 |
| ·本文研究的主要内容 | 第21-22页 |
| ·本文结构安排 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第二章 机器视觉系统整体设计 | 第24-33页 |
| ·检测系统的性能要求 | 第24-25页 |
| ·检测速度 | 第24页 |
| ·检测精度 | 第24页 |
| ·系统可靠性 | 第24-25页 |
| ·本文总体方案设计 | 第25-26页 |
| ·系统框架 | 第25-26页 |
| ·系统工作流程 | 第26页 |
| ·图像采集系统组成及工作原理 | 第26-30页 |
| ·照明单元 | 第27-28页 |
| ·CMOS摄像单元 | 第28-30页 |
| ·软件算法 | 第30-32页 |
| ·算法流程 | 第30-32页 |
| ·本章总结 | 第32-33页 |
| 第三章 图像滤波算法及性能分析 | 第33-38页 |
| ·图像的噪声来源 | 第33-34页 |
| ·邻域均值滤波 | 第34-35页 |
| ·高斯平滑滤波 | 第35-36页 |
| ·中值滤波 | 第36页 |
| ·三种滤波算法的效果对比 | 第36-37页 |
| ·本章总结 | 第37-38页 |
| 第四章 经典边缘检测算法及性能分析 | 第38-58页 |
| ·边缘检测算法综述 | 第38-45页 |
| ·基于微分的经典边缘检测算子 | 第38-43页 |
| ·基于小波与小波包的边缘检测方法 | 第43页 |
| ·基于形态学的边缘检测方法 | 第43-44页 |
| ·基于模糊理论的边缘检测方法 | 第44页 |
| ·基于神经网络的边缘检测方法 | 第44页 |
| ·基于遗传算法的边缘检测 | 第44-45页 |
| ·Canny算子 | 第45-47页 |
| ·Canny算子基本理论 | 第45-46页 |
| ·Canny算子的应用 | 第46-47页 |
| ·Canny算子边缘检测效果 | 第47页 |
| ·数学形态学 | 第47-57页 |
| ·结构元素 | 第48-49页 |
| ·二值形态学理论 | 第49-53页 |
| ·灰度形态学理论 | 第53-56页 |
| ·利用数学形态学进行边缘检测结果 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 第五章 改进的边缘检测与测量算法及性能分析 | 第58-65页 |
| ·Canny与数学形态学膨胀相结合的边缘检测算法 | 第58-61页 |
| ·Canny算子与数学形态学的优缺点分析 | 第58-59页 |
| ·结合算法分析 | 第59-60页 |
| ·结合算法效果分析 | 第60-61页 |
| ·测量算法 | 第61-62页 |
| ·尺寸精确度的对比及分析 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·研究总结 | 第65页 |
| ·课题展望 | 第65-67页 |
| 参考文献 | 第67-70页 |
| 致谢 | 第70-71页 |
| 硕士期间发表成果 | 第71-72页 |
| 学位论文评阅及答辩情况表 | 第72页 |
