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

基于像素点的机器视觉系统能力评价

摘要第3-4页
abstract第4页
第一章 绪论第7-13页
    1.1 研究背景和意义第7-8页
    1.2 国内外研究现状第8-10页
    1.3 研究内容第10-11页
    1.4 研究方法第11-13页
第二章 机器视觉测量系统第13-27页
    2.1 机器视觉系统第13-14页
        2.1.1 机器视觉系统概述第13-14页
        2.1.2 机器视觉系统应用第14页
    2.2 测量系统概述第14-20页
        2.2.1 测量系统的基本概念第14-15页
        2.2.2 测量系统的变差第15-19页
        2.2.3 测量系统的分类第19-20页
    2.3 测量系统能力评价第20-24页
        2.3.1 一元测量系统能力分析第20-21页
        2.3.2 多元测量系统能力分析第21-23页
        2.3.3 测量系统能力评价指标第23-24页
    2.4 本章小结第24-27页
第三章 基于像素点的机器视觉测量系统能力评价方法第27-37页
    3.1 图像分割技术第27-31页
        3.1.1 基于区域的分割技术第28-29页
        3.1.2 基于区域的分割技术第29页
        3.1.3 基于边缘的分割技术第29-30页
        3.1.4 轮廓跟踪分割技术第30-31页
    3.2 图像质量特性的获取第31-33页
    3.3 机器视觉测量系统分析模型第33-35页
    3.4 本章小结第35-37页
第四章 仿真与应用第37-47页
    4.1 本论文的仿真研究第37-44页
        4.1.1 试验设计及试验模型第37-41页
        4.1.2 质量特性的获取第41-42页
        4.1.3 机器视觉系统能力评价第42-44页
    4.2 对比研究第44-45页
    4.3 本章小结第45-47页
第五章 总结与展望第47-49页
    5.1 论文总结第47-48页
    5.2 研究展望第48-49页
参考文献第49-53页
附录A第53-57页
发表论文和科研情况说明第57-59页
致谢第59页

论文共59页,点击 下载论文
上一篇:基于Zynq的双目立体视觉系统的研究
下一篇:基于属性短内容相似度计算的层次化本体自动扩展