| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-14页 |
| 1.1.1 课题来源 | 第12页 |
| 1.1.2 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-18页 |
| 1.2.1 机器视觉研究现状及发展趋势 | 第14-17页 |
| 1.2.2 缺陷检测研究现状 | 第17-18页 |
| 1.3 本文主要内容及结构安排 | 第18-20页 |
| 第2章 相关的图像处理理论基础 | 第20-37页 |
| 2.1 图像特征空间 | 第20-27页 |
| 2.1.1 颜色特征 | 第20-23页 |
| 2.1.2 纹理特征 | 第23-25页 |
| 2.1.3 梯度特征 | 第25-26页 |
| 2.1.4 形状特征 | 第26-27页 |
| 2.2 图像预处理 | 第27-34页 |
| 2.2.1 图像分割 | 第28-29页 |
| 2.2.2 图像滤波 | 第29-31页 |
| 2.2.3 图像增强 | 第31-33页 |
| 2.2.4 仿射变换 | 第33-34页 |
| 2.3 数学形态学 | 第34-36页 |
| 2.3.1 膨胀和腐蚀 | 第34-35页 |
| 2.3.2 开运算和闭运算 | 第35-36页 |
| 2.4 小结 | 第36-37页 |
| 第3章 基于低秩稀疏分解的缺陷目标检测方法 | 第37-55页 |
| 3.1 引言 | 第37页 |
| 3.2 传统的缺陷目标视觉检测方法 | 第37-41页 |
| 3.3 基于MF-LSMD模型的缺陷目标检测方法 | 第41-54页 |
| 3.3.1 外观缺陷特征分析与提取 | 第42-46页 |
| 3.3.2 低秩稀疏分解（LSMD）模型 | 第46-50页 |
| 3.3.3 矩阵奇异值分解（SVD）算法 | 第50-51页 |
| 3.3.4 基于MF-LSMD模型的缺陷检测算法设计与实现 | 第51-54页 |
| 3.4 小结 | 第54-55页 |
| 第4章 实验结果与分析 | 第55-66页 |
| 4.1 引言 | 第55页 |
| 4.2 定性实验结果与分析 | 第55-58页 |
| 4.2.1 MF-LSMD模型针对缺陷目标检测的定性分析 | 第56-57页 |
| 4.2.2 R-IALM算法优化MF-LSMD模型的定性分析 | 第57-58页 |
| 4.3 定量实验结果与分析 | 第58-64页 |
| 4.3.1 评估R-IALM优化求解算法的快速性和准确性 | 第59-62页 |
| 4.3.2 评估不同特征量对LSMD模型的检测性能影响 | 第62-63页 |
| 4.3.3 评估分析RSVD算法中不同K值对检测性能的影响 | 第63-64页 |
| 4.4 小结 | 第64-66页 |
| 第5章 总结与展望 | 第66-68页 |
| 5.1 总结 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 在学期间发表的学术论文及研究成果 | 第74页 |
