首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

小波边缘检测在视觉图像分析中的应用研究

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 研究的背景和意义第10-12页
    1.2 视觉图像分析的国内外研究现状第12-14页
        1.2.1 国外研究现状第12-13页
        1.2.2 国内研究现状第13-14页
        1.2.3 视觉图像分析存在的主要问题第14页
    1.3 本文的主要研究内容第14-16页
第2章 基于小波变换的图像边缘检测方法第16-36页
    2.1 图像边缘的定义与特点第16-17页
    2.2 常用图像边缘检测算法及其比较分析第17-24页
        2.2.1 常用图像边缘检测算法第17-23页
        2.2.2 几种常用边缘检测算法比较分析第23-24页
    2.3 基于小波变换的图像边缘检测第24-31页
        2.3.1 小波变换边缘检测基本原理第25-26页
        2.3.2 小波函数的选择第26-28页
        2.3.3 小波与常用边缘检测方法对比分析第28-31页
    2.4 小波变换与数学形态学相融合的边缘检测第31-35页
        2.4.1 改进的数学形态学边缘检测第31-33页
        2.4.2 小波变换与改进的数学形态学相融合第33-35页
    2.5 本章小结第35-36页
第3章 基于小波变换的机器视觉检测系统设计第36-45页
    3.1 机器视觉检测系统构成第36-37页
    3.2 机器视觉检测系统硬件组成第37-42页
        3.2.1 光源及照明方式第37-39页
        3.2.2 摄像机及镜头第39-41页
        3.2.3 PC机第41-42页
    3.3 机器人视觉检测系统软件实现第42-44页
        3.3.1 软件系统设计第42-43页
        3.3.2 软件实现第43-44页
    3.4 本章小结第44-45页
第4章 机器视觉系统用于箱体检测实验第45-59页
    4.1 机器视觉检测系统的相机标定第45-51页
        4.1.1 相机标定方法第45-47页
        4.1.2 相机标定实验结果第47-51页
    4.2 图像特征识别与提取第51-52页
    4.3 机器视觉检测实验第52-58页
        4.3.1 机器视觉检测实验台搭建第52-54页
        4.3.2 实验图像边缘检测与内部字符滤除第54-57页
        4.3.3 实验图像特征识别与提取第57-58页
    4.4 本章小结第58-59页
结论第59-60页
参考文献第60-64页
攻读硕士学位期间发表的学术论文及成果第64-65页
致谢第65页

论文共65页,点击 下载论文
上一篇:液压作动器力伺服系统参数灵敏度研究
下一篇:车削1Cr18Ni9Ti粘焊变质层特性研究