首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

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

论文共91页,点击 下载论文
上一篇:基于机器视觉的印刷辊筒表面缺陷检测技术研究
下一篇:数据挖掘技术在区域死因登记数据中的应用研究