| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 前言 | 第8-13页 |
| ·本文研究的目的和意义 | 第8-9页 |
| ·国内外研究现状及分析 | 第9-10页 |
| ·关键技术分析 | 第10-11页 |
| ·本文主要工作 | 第11页 |
| ·本文结构安排 | 第11-13页 |
| 第二章 系统架构 | 第13-18页 |
| ·硬件系统 | 第13-15页 |
| ·硬件系统组成 | 第13-14页 |
| ·硬件系统结构 | 第14-15页 |
| ·软件系统 | 第15-17页 |
| ·Mil 函数库 | 第15页 |
| ·OpenCV 算法库 | 第15-17页 |
| ·小结 | 第17-18页 |
| 第三章 图像的预处理 | 第18-23页 |
| ·带钢图像噪声类型 | 第18-19页 |
| ·带钢图像平滑处理 | 第19-22页 |
| ·中值滤波 | 第19-20页 |
| ·加权平均 | 第20-22页 |
| ·本章小结 | 第22-23页 |
| 第四章 带钢缺陷的分割与定位 | 第23-35页 |
| ·边缘检测算法 | 第23-29页 |
| ·梯度算子 | 第23-24页 |
| ·索贝尔算子 | 第24-25页 |
| ·Canny 算子 | 第25-29页 |
| ·形态学处理 | 第29-32页 |
| ·图像的腐蚀 | 第30-31页 |
| ·图像的膨胀 | 第31-32页 |
| ·图像的轮廓跟踪 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第五章 缺陷特征提取与识别 | 第35-48页 |
| ·特征提取 | 第35-40页 |
| ·几何特征 | 第35页 |
| ·灰度特征 | 第35-36页 |
| ·形状特征 | 第36-38页 |
| ·提取带钢缺陷特征 | 第38-40页 |
| ·缺陷识别 | 第40-47页 |
| ·支持向量机 | 第40-44页 |
| ·BP 神经网络 | 第44-47页 |
| ·本章小结 | 第47-48页 |
| 第六章 总结与展望 | 第48-49页 |
| ·总结 | 第48页 |
| ·未来展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 附录Ⅰ攻读学位期间发表的论文 | 第52-53页 |
| 附录Ⅱ 实验中主要用到的 OpenCV 函数及方法 | 第53-55页 |
| 附录Ⅲ 部分缺陷图像的特征向量 | 第55-56页 |
| 致谢 | 第56页 |