光缆表面缺陷检测系统中瑕疵检测算法设计与实现
摘要 | 第4-5页 |
abstract | 第5页 |
第一章 绪论 | 第8-18页 |
1.1 课题背景与意义 | 第8-10页 |
1.2 机器视觉概述 | 第10-13页 |
1.2.1 机器视觉发展状况 | 第10-11页 |
1.2.2 机器视觉应用研究现状 | 第11-12页 |
1.2.3 机器视觉系统结构 | 第12-13页 |
1.3 图像分割方法概述 | 第13-16页 |
1.4 研究任务与论文结构 | 第16-18页 |
第二章 光缆表面缺陷检测系统 | 第18-24页 |
2.1 硬件配置 | 第18-21页 |
2.1.1 CCD相机 | 第18-20页 |
2.1.2 LED光源 | 第20-21页 |
2.2 软件设计 | 第21-23页 |
2.2.1 用户界面 | 第21页 |
2.2.2 功能模块 | 第21-23页 |
2.3 本章小结 | 第23-24页 |
第三章 彩色空间理论 | 第24-30页 |
3.1 彩色图像描述 | 第24页 |
3.2 彩色空间描述 | 第24-29页 |
3.2.1 线性彩色空间 | 第24-26页 |
3.2.2 非线性彩色空间 | 第26-28页 |
3.2.3 彩色空间的比较 | 第28-29页 |
3.3 本章小结 | 第29-30页 |
第四章 模糊C均值聚类算法 | 第30-42页 |
4.1 聚类分析 | 第30-33页 |
4.1.1 聚类分析的方法 | 第31-33页 |
4.1.2 聚类分析的评价准则 | 第33页 |
4.2 模糊理论简介 | 第33-34页 |
4.3 模糊C均值聚类算法 | 第34-40页 |
4.3.1 数据集的C划分 | 第35页 |
4.3.2 传统C均值聚类算法 | 第35-37页 |
4.3.3 模糊C均值聚类算法 | 第37-39页 |
4.3.4 聚类评价指标 | 第39-40页 |
4.4 模糊C均值算法的优缺点 | 第40-41页 |
4.5 本章小结 | 第41-42页 |
第五章 基于FCM的光缆表面瑕疵分割算法 | 第42-55页 |
5.1 光缆表面瑕疵分割算法 | 第42-45页 |
5.2 基于样本密度初始化聚类中心 | 第45-47页 |
5.3 实验结果及分析 | 第47-54页 |
5.3.1 不同彩色空间中的实验分析 | 第47-50页 |
5.3.2 不同聚类中心初始化方式下的实验分析 | 第50-54页 |
5.4 本章小结 | 第54-55页 |
第六章 基于增强抗噪性的FCM聚类算法 | 第55-74页 |
6.1 结合空间信息 | 第55-57页 |
6.2 改进距离度量 | 第57-66页 |
6.2.1 常见的距离度量 | 第57-58页 |
6.2.2 基于马氏距离的FCM聚类算法 | 第58-61页 |
6.2.3 基于新距离度量的FCM聚类算法 | 第61-66页 |
6.3 图像中的噪声 | 第66-67页 |
6.3.1 椒盐噪声 | 第66页 |
6.3.2 高斯噪声 | 第66-67页 |
6.4 实验结果与分析 | 第67-73页 |
6.4.1 椒盐噪声下的光缆图片实验分析 | 第67-70页 |
6.4.2 高斯噪声下的光缆图片实验分析 | 第70-72页 |
6.4.3 光照不均的光缆图片实验分析 | 第72-73页 |
6.5 本章小结 | 第73-74页 |
第七章 总结与展望 | 第74-76页 |
7.1 工作总结 | 第74页 |
7.2 进一步的研究工作 | 第74-76页 |
参考文献 | 第76-79页 |
附录1 攻读硕士学位期间撰写的论文 | 第79-80页 |
附录2 攻读硕士学位期间申请的专利 | 第80-81页 |
附录3 攻读硕士学位期间参加的科研项目 | 第81-82页 |
附录4 程序清单 | 第82-91页 |
致谢 | 第91页 |