铝锭表面激光标刻二维码图像处理算法研究
| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第一章 绪论 | 第12-18页 |
| 1.1 研究背景 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-17页 |
| 1.2.1 图像去噪研究现状 | 第13页 |
| 1.2.2 图像二值化研究现状 | 第13-16页 |
| 1.2.3 二维码编解码方式研究现状 | 第16-17页 |
| 1.3 本文研究内容与章节安排 | 第17-18页 |
| 第二章 铝锭激光二维码标识系统分析 | 第18-25页 |
| 2.1 引言 | 第18页 |
| 2.2 铝锭铸造生产过程 | 第18-20页 |
| 2.2.1 铝锭生产工艺 | 第18-19页 |
| 2.2.2 铝锭仓储管理 | 第19-20页 |
| 2.3 铝锭标签激光标刻系统 | 第20-21页 |
| 2.4 二维码识别系统 | 第21-23页 |
| 2.4.1 图像质量分析 | 第21-22页 |
| 2.4.2 二维码图像处理过程 | 第22-23页 |
| 2.5 算法总体框架 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 融合特征提取 | 第25-33页 |
| 3.1 引言 | 第25页 |
| 3.2 铝锭表面二维码图像处理分析 | 第25-26页 |
| 3.3 常用颜色特征和纹理特征 | 第26-29页 |
| 3.3.1 颜色特征 | 第26-28页 |
| 3.3.2 纹理特征 | 第28-29页 |
| 3.4 融合特征提取算法 | 第29-32页 |
| 3.4.1 颜色空间选择 | 第29-30页 |
| 3.4.2 纹理特征增强 | 第30-31页 |
| 3.4.3 综合特征融合 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 特征分类及形态学优化 | 第33-44页 |
| 4.1 引言 | 第33页 |
| 4.2 特征分类算法 | 第33-37页 |
| 4.2.1 K均值聚类 | 第33-35页 |
| 4.2.2 BP神经网络分类算法 | 第35-37页 |
| 4.3 特征分类效果对比 | 第37-39页 |
| 4.3.1 K-means参数 | 第37-38页 |
| 4.3.2 BP神经网络参数 | 第38页 |
| 4.3.3 特征分类算法对比 | 第38-39页 |
| 4.4 形态学优化 | 第39-40页 |
| 4.5 实验设计与结论 | 第40-43页 |
| 4.5.1 最终算法 | 第40-41页 |
| 4.5.2 实验方案设计 | 第41页 |
| 4.5.3 实验结果及结论 | 第41-43页 |
| 4.6 本章小结 | 第43-44页 |
| 第五章 铝锭出入库管理系统 | 第44-53页 |
| 5.1 引言 | 第44-45页 |
| 5.2 系统分析 | 第45-48页 |
| 5.2.1 需求分析 | 第45-46页 |
| 5.2.2 功能分析 | 第46页 |
| 5.2.3 系统环境分析 | 第46-48页 |
| 5.3 设计与实现 | 第48-52页 |
| 5.3.1 功能模块设计 | 第48-50页 |
| 5.3.2 功能展示 | 第50-52页 |
| 5.4 本章小结 | 第52-53页 |
| 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 附录 攻读学位期间所发表的学术论文 | 第61页 |
