| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 课题来源及其研究意义 | 第9-11页 |
| 1.2 国内外管道检测技术研究现状 | 第11-15页 |
| 1.2.1 管道机器人发展现状 | 第12-13页 |
| 1.2.2 管道缺陷检测技术研究现状 | 第13-15页 |
| 1.3 管道裂纹缺陷类型 | 第15-16页 |
| 1.4 管道缺陷检测主要难点 | 第16-17页 |
| 1.5 本文的主要研究内容 | 第17-19页 |
| 2 管道内壁视频图像获取机器人开发 | 第19-33页 |
| 2.1 管道机器人的功能与技术参数要求 | 第19页 |
| 2.2 管道机器人整机方案设计 | 第19-23页 |
| 2.2.1 管道机器人驱动方案和移动方式设计 | 第20-21页 |
| 2.2.2 管道缺陷视频图像获取方式 | 第21-22页 |
| 2.2.3 管道机器人系统方案 | 第22-23页 |
| 2.3 管道机器人各个结构模块设计 | 第23-28页 |
| 2.3.1 机构模块设计 | 第23-26页 |
| 2.3.2 适应不同管径的调节机构设计 | 第26-27页 |
| 2.3.3 模块串联扩展及样机模型管 | 第27-28页 |
| 2.4 控制及图像采集 | 第28-32页 |
| 2.4.1 控制方案制定 | 第28-30页 |
| 2.4.2 CCD视频图像检测系统 | 第30-32页 |
| 2.5 本章总结 | 第32-33页 |
| 3 管道缺陷检测信息的图像处理 | 第33-43页 |
| 3.1 管道缺陷图像噪声分析 | 第33-34页 |
| 3.2 管道缺陷图像的预处理 | 第34-40页 |
| 3.2.1 管道缺陷图像去噪 | 第35-38页 |
| 3.2.2 管道缺陷图像增强实验 | 第38-40页 |
| 3.3 缺陷图像二值化处理 | 第40-42页 |
| 3.4 本章小结 | 第42-43页 |
| 4 基于边缘检测的形态学分割算法研究 | 第43-65页 |
| 4.1 数学形态学基础 | 第43-45页 |
| 4.2 二值图像形态学基本运算 | 第45-56页 |
| 4.2.1 管道缺陷图像的膨胀和腐蚀运算 | 第46-52页 |
| 4.2.2 开运算和闭运算 | 第52-53页 |
| 4.2.3 击中与不击中变换 | 第53-54页 |
| 4.2.4 形态学顶帽变换和底帽变换 | 第54-56页 |
| 4.3 数学形态学管道缺陷图像分割算法研究 | 第56-59页 |
| 4.3.1 管道缺陷图像分割及其意义 | 第56-58页 |
| 4.3.2 数学形态学图像分割流程 | 第58-59页 |
| 4.4 改进Canny算子 | 第59-61页 |
| 4.5 基于边缘检测的形态学分割算法实现 | 第61-64页 |
| 4.5.1 算法实现 | 第61-63页 |
| 4.5.2 基于边缘检测的数学形态学算法实验结果 | 第63-64页 |
| 4.6 本章小结 | 第64-65页 |
| 5 管道缺陷图像特征提取与定量评价 | 第65-75页 |
| 5.1 管道缺陷图像形状特征描述及MATLAB实现 | 第65-69页 |
| 5.1.1 边界表示 | 第65-66页 |
| 5.1.2 边界特征描述 | 第66-69页 |
| 5.2 管道缺陷提取方法和实验分析 | 第69-71页 |
| 5.2.1 管道缺陷特征提取方法 | 第69-70页 |
| 5.2.2 管道缺陷特征值计算 | 第70-71页 |
| 5.3 管道缺陷特征值计算提取实验定量分析 | 第71-74页 |
| 5.4 本章小结 | 第74-75页 |
| 6 总结与展望 | 第75-77页 |
| 6.1 全文总结 | 第75-76页 |
| 6.2 展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-80页 |