基于机器视觉的光学元件损伤在线检测研究
| 致谢 | 第4-5页 |
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 1 引言 | 第10-15页 |
| 1.1 光学元件损伤在线检测研究的背景及意义 | 第10-11页 |
| 1.2 光学元件损伤在线检测技术发展现状 | 第11-13页 |
| 1.2.1 光学元件损伤检测方法 | 第11页 |
| 1.2.2 损伤在线检测国际发展现状 | 第11-12页 |
| 1.2.3 损伤在线检测国内发展现状 | 第12-13页 |
| 1.3 本文主要研究内容及章节安排 | 第13-15页 |
| 2 损伤图像获取 | 第15-21页 |
| 2.1 图像采集框架 | 第15-16页 |
| 2.2 图像采集流程 | 第16-17页 |
| 2.3 枚举采集设备 | 第17-20页 |
| 2.3.1 构建Filter Graph | 第18-19页 |
| 2.3.2 采集参数设置 | 第19页 |
| 2.3.3 视频帧提取 | 第19页 |
| 2.3.4 视频渲染并输出 | 第19-20页 |
| 2.4 图像采集软件设计 | 第20页 |
| 2.5 本章小结 | 第20-21页 |
| 3 损伤图像预处理 | 第21-31页 |
| 3.1 空间域滤波 | 第21-22页 |
| 3.2 形态学滤波 | 第22-24页 |
| 3.3 基于图像退化模型去噪 | 第24-27页 |
| 3.4 实验结果及评价 | 第27-30页 |
| 3.5 本章小结 | 第30-31页 |
| 4 基于图像相似的损伤在线检测 | 第31-37页 |
| 4.1 基于图像相似的检测方法分析 | 第31-32页 |
| 4.2 结构相似理论 | 第32-33页 |
| 4.3 SSIM分析 | 第33-34页 |
| 4.4 SSIM用于光学元件损伤在线检测 | 第34-36页 |
| 4.5 本章小结 | 第36-37页 |
| 5 基于图像分割的损伤在线检测 | 第37-46页 |
| 5.1 局部信噪比法（LASNR） | 第37-41页 |
| 5.1.1 种子图像生成 | 第37-38页 |
| 5.1.2 自适应区域种子生长 | 第38-40页 |
| 5.1.3 实验结果和分析 | 第40-41页 |
| 5.2 最大类间方差法 | 第41-43页 |
| 5.3 算法时间性能分析和比较 | 第43-44页 |
| 5.4 损伤特征提取 | 第44-45页 |
| 5.5 本章小结 | 第45-46页 |
| 6 实验结果与数据分析 | 第46-57页 |
| 6.1 在线检测对象和系统结构介绍 | 第46-47页 |
| 6.2 基于图像相似损伤判定 | 第47-50页 |
| 6.3 损伤区域损伤分析 | 第50-54页 |
| 6.3.1 损伤面积判别 | 第50-52页 |
| 6.3.2 损伤增长分析 | 第52-54页 |
| 6.4 在线检测系统实时性测试 | 第54-56页 |
| 6.5 本章小结 | 第56-57页 |
| 7 总结与展望 | 第57-60页 |
| 7.1 本文的工作 | 第57-58页 |
| 7.2 研究展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 作者简介及在学期间发表的学术论文与研究成果 | 第63页 |
