| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-15页 |
| ·课题的研究背景 | 第7页 |
| ·带钢表面缺陷检测的意义 | 第7-8页 |
| ·带钢表面缺陷检测技术发展概况 | 第8-10页 |
| ·传统检测方法 | 第8页 |
| ·自动检测方法 | 第8-9页 |
| ·国外研究现状 | 第9页 |
| ·国内研究现状 | 第9-10页 |
| ·DSP的发展及其在图像处理方面的应用 | 第10-13页 |
| ·DSP的发展及特点 | 第10-13页 |
| ·DSP在数字图像处理方面的应用 | 第13页 |
| ·本文的主要内容 | 第13-15页 |
| 2 系统的软硬件结构 | 第15-19页 |
| ·带钢表面缺陷检测装置原理 | 第15-16页 |
| ·带钢表面缺陷检测装置硬件组成 | 第16-17页 |
| ·带钢模拟传动装置 | 第16页 |
| ·图像采集设备的选型及安装 | 第16-17页 |
| ·带钢表面缺陷检测软件流程 | 第17页 |
| ·本章小结 | 第17-19页 |
| 3 带钢表面缺陷检测及识别算法研究 | 第19-61页 |
| ·带钢图像去噪 | 第19-26页 |
| ·图像系统常见噪声 | 第20-21页 |
| ·图像去噪算法介绍 | 第21-22页 |
| ·带钢图像去噪算法比较 | 第22-26页 |
| ·带钢图像分割 | 第26-36页 |
| ·常用图像分割算法 | 第26-34页 |
| ·带钢图像分割算法比较 | 第34-36页 |
| ·缺陷区域定位 | 第36-44页 |
| ·轮廓跟踪 | 第36-37页 |
| ·连通区域标记 | 第37-43页 |
| ·缺陷区域定位算法比较 | 第43-44页 |
| ·带钢表面缺陷识别 | 第44-60页 |
| ·缺陷图像特征提取 | 第44页 |
| ·样本库的建立 | 第44-46页 |
| ·缺陷图像原始特征 | 第46-51页 |
| ·带钢表面缺陷分类 | 第51页 |
| ·BP神经网络分类器 | 第51-55页 |
| ·改进的BP神经网络学习算法 | 第55-57页 |
| ·几种改进BP算法的性能分析 | 第57-60页 |
| ·本章小结 | 第60-61页 |
| 4 检测算法在DSP中的实现 | 第61-76页 |
| ·DM642图像处理平台 | 第61-62页 |
| ·DSP芯片的软件开发 | 第62-65页 |
| ·DSP芯片软件开发工具 | 第62-63页 |
| ·DSP软件开发环境CCS(Code Composer Studio) | 第63-64页 |
| ·实时仿真系统XDS510 | 第64-65页 |
| ·检测算法在DSP中的编写 | 第65-69页 |
| ·DSP的编程优化 | 第69-74页 |
| ·编译选项 | 第70-71页 |
| ·代码剖析 | 第71-72页 |
| ·优化C/C++代码 | 第72-73页 |
| ·线性汇编语言优化 | 第73-74页 |
| ·程序的执行结果 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 5 总结与展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-79页 |