| 摘要 | 第1-6页 |
| Abstract | 第6-9页 |
| 第1章 绪论 | 第9-13页 |
| ·课题的研究背景 | 第9页 |
| ·数字化成像技术在链条缺陷检测中的意义 | 第9-10页 |
| ·数字化图像识别技术概述 | 第10-12页 |
| ·本文主要研究内容 | 第12-13页 |
| 第2章 数字化图像链条缺陷自动检测系统的总体方案设计 | 第13-18页 |
| ·引言 | 第13页 |
| ·系统检测的几种缺陷类型 | 第13-14页 |
| ·检测系统结构 | 第14-17页 |
| ·系统的硬件结构 | 第14-15页 |
| ·系统的软件结构 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 链条数字化图像处理 | 第18-31页 |
| ·引言 | 第18页 |
| ·图像增强 | 第18-21页 |
| ·灰度变换增强 | 第18-20页 |
| ·空域滤波增强与频域增强 | 第20-21页 |
| ·图像去噪 | 第21-28页 |
| ·高斯滤波 | 第22-23页 |
| ·中值滤波 | 第23-24页 |
| ·频域低通滤波 | 第24-25页 |
| ·kFill滤波器 | 第25页 |
| ·均值滤波 | 第25-27页 |
| ·图像质量评价 | 第27-28页 |
| ·图像像素细分 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 链条数字化图像轮廓提取 | 第31-42页 |
| ·前言 | 第31页 |
| ·Marr-Hildreth边缘检测算法 | 第31-32页 |
| ·Canny Edge边缘检测算法 | 第32-34页 |
| ·基于模板的边缘检测 | 第34-35页 |
| ·基于形态学的边缘检测方法 | 第35-38页 |
| ·形态学的数学基础 | 第35-36页 |
| ·形态学膨胀处理 | 第36-37页 |
| ·形态学腐蚀处理 | 第37-38页 |
| ·链条图像的轮廓提取 | 第38-40页 |
| ·几种边缘检测算法的比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 链条缺陷图像识别算法研究 | 第42-60页 |
| ·图像识别概述 | 第42-43页 |
| ·基于特征的匹配 | 第43-50页 |
| ·不变矩算法原理 | 第44-46页 |
| ·傅里叶描述子算法原理 | 第46-48页 |
| ·基于图像轮廓线曲率变化的链节图像缺陷识别 | 第48-50页 |
| ·基于灰度直方图统计特征的图像匹配算法 | 第50-52页 |
| ·算法简介 | 第50页 |
| ·直方图特征 | 第50-52页 |
| ·数字化链条缺陷分类识别算法实现 | 第52-54页 |
| ·链条缺陷的初步判断 | 第52-54页 |
| ·链条缺陷检测结果与分析 | 第54-58页 |
| ·缺陷识别 | 第55-58页 |
| ·检测结果分析 | 第58页 |
| ·本章小结 | 第58-60页 |
| 第6章 总结与展望 | 第60-62页 |
| 参考文献 | 第62-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表学术论文情况 | 第66页 |