| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第10-20页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 铸件缺陷自动检测国内外研究现状 | 第11-17页 |
| 1.2.1 现有的铸件自动检测的发展现状 | 第11-15页 |
| 1.2.2 现有铸件检测方法的不足 | 第15-16页 |
| 1.2.3 灰色理论在图像工程的发展现状 | 第16-17页 |
| 1.3 本文研究内容与论文结构安排 | 第17-20页 |
| 1.3.1 论文的主要研究内容 | 第17-18页 |
| 1.3.2 论文的组织结构 | 第18-20页 |
| 2 灰色系统理论 | 第20-35页 |
| 2.1 灰色理论系统简介 | 第20-21页 |
| 2.1.1 灰色理论的发展和应用 | 第20-21页 |
| 2.1.2 灰色理论主要研究的内容和特点 | 第21页 |
| 2.2 灰色关联分析理论及应用 | 第21-27页 |
| 2.2.1 灰关联度的基本理论 | 第22-23页 |
| 2.2.2 灰关联算子集 | 第23-24页 |
| 2.2.3 灰色关联矩阵 | 第24-27页 |
| 2.3 灰色简化B性关联度及应用 | 第27-34页 |
| 2.3.1 灰色B型关联度 | 第27-28页 |
| 2.3.2 改进的灰色简化B型关联度的边缘检测 | 第28-34页 |
| 2.4 本章小结 | 第34-35页 |
| 3 图像去噪和基于灰色理论的边缘检测 | 第35-49页 |
| 3.1 常见的图像噪声 | 第35-36页 |
| 3.2 常见的图像去噪方法 | 第36-45页 |
| 3.2.1 空间域滤波 | 第37-40页 |
| 3.2.2 频域滤波 | 第40-45页 |
| 3.3 基于灰色关联度的图像边缘检测 | 第45-48页 |
| 3.3.1 气缸套灰度分析 | 第45-46页 |
| 3.3.2 基于均值化矩阵算子集的简化B型关联模型的图像边缘检测 | 第46-48页 |
| 3.4 本章小结 | 第48-49页 |
| 4 缺陷区域提取 | 第49-62页 |
| 4.1 基于形态学重建的边界清除 | 第49-51页 |
| 4.1.1 形态学图像重建 | 第49-50页 |
| 4.1.2 基于形态学图像重建的边界清除 | 第50-51页 |
| 4.2 数学形态学操作 | 第51-52页 |
| 4.2.1 膨胀算法的原理 | 第51-52页 |
| 4.2.2 腐蚀算法的原理 | 第52页 |
| 4.3 基于形态学的缺陷目标区域提取 | 第52-53页 |
| 4.4 基于递进的模糊模式识别 | 第53-58页 |
| 4.4.1 气缸套图像缺陷对应特征提取和选择 | 第54-55页 |
| 4.4.2 隶属函数的建立 | 第55-58页 |
| 4.5 气缸套检测的缺陷分类 | 第58-61页 |
| 4.5.1 常见的缺陷种类 | 第58-60页 |
| 4.5.2 缺陷等级评定 | 第60-61页 |
| 4.6 本章小结 | 第61-62页 |
| 5 实验结果及分析 | 第62-69页 |
| 5.1 边缘检测算法对比 | 第62-63页 |
| 5.2 缺陷特征提取 | 第63-68页 |
| 5.3 本章小结 | 第68-69页 |
| 6 总结与展望 | 第69-71页 |
| 6.1 论文所研究的工作 | 第69-70页 |
| 6.2 研究中的不足及工作展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 攻读硕士学位期间发表的论文及参与研究的项目 | 第76-77页 |
| 致谢 | 第77-78页 |