一种基于纹理合成的疏松缺陷图像生成方法
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-14页 |
| 1.1 研究意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-12页 |
| 1.3 论文主要工作 | 第12-13页 |
| 1.4 本章小结 | 第13-14页 |
| 第二章 铸造缺陷分析 | 第14-24页 |
| 2.1 铸件缺陷的分类 | 第14-15页 |
| 2.2 铸件缺陷的形成原理 | 第15-16页 |
| 2.3 疏松缺陷的视觉特征分析 | 第16-23页 |
| 2.3.1 颜色特征 | 第17-19页 |
| 2.3.2 纹理特征 | 第19-21页 |
| 2.3.3 形状特征 | 第21-23页 |
| 2.3.4 空间关系特征 | 第23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 缺陷图样的生成 | 第24-39页 |
| 3.1 引言 | 第24页 |
| 3.2 获取缺陷样本 | 第24-31页 |
| 3.2.1 双边滤波去噪 | 第25-29页 |
| 3.2.2 样本去背景 | 第29-31页 |
| 3.3 搜索匹配 | 第31-35页 |
| 3.3.1 KD树 | 第31-34页 |
| 3.3.2 主成分分析法 | 第34-35页 |
| 3.4 边界融合 | 第35-37页 |
| 3.4.1 常用的边界融合算法 | 第35-36页 |
| 3.4.2 本文提出的边界融合算法 | 第36-37页 |
| 3.5 本章小结 | 第37-39页 |
| 第四章 缺陷质量评估方法 | 第39-58页 |
| 4.1 引言 | 第39-40页 |
| 4.2 主观质量评价 | 第40-41页 |
| 4.3 客观质量评价 | 第41-53页 |
| 4.3.1 客观评价方法分类 | 第42-44页 |
| 4.3.2 结构相似度算法 | 第44-46页 |
| 4.3.3 机器学习 | 第46-53页 |
| 4.4 实验对比 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 算法实验与结果分析 | 第58-66页 |
| 5.1 算法流程 | 第58-61页 |
| 5.1.1 前期准备阶段 | 第59页 |
| 5.1.2 待合成区搜索匹配阶段 | 第59-60页 |
| 5.1.3 仿真图样生成阶段 | 第60-61页 |
| 5.2 算法实验结果与分析 | 第61-65页 |
| 5.3 本章小结 | 第65-66页 |
| 总结与展望 | 第66-68页 |
| 参考文献 | 第68-71页 |
| 攻读硕士学位期间取得的研究成果 | 第71-72页 |
| 致谢 | 第72-73页 |
| 附件 | 第73页 |
