光学镜片疵病分类检测研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 本课题的研究背景和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 镜片疵病检测分类现状 | 第12-14页 |
| 1.2.2 图像特征提取的研究现状 | 第14-15页 |
| 1.2.3 支持向量机研究线状 | 第15页 |
| 1.3 论文研究的主要内容 | 第15-17页 |
| 第2章 镜片疵病特征分析及分类策略 | 第17-26页 |
| 2.1 镜片疵病分析 | 第17-19页 |
| 2.1.1 镜片疵病分类标准 | 第17-18页 |
| 2.1.2 镜片疵病来源 | 第18-19页 |
| 2.2 镜片疵病图像分析 | 第19-23页 |
| 2.2.1 灰度直方图分析 | 第20-21页 |
| 2.2.2 形态特征 | 第21-23页 |
| 2.2.3 光学镜片疵病形态特征分析结果 | 第23页 |
| 2.3 光学镜片疵病分类方案 | 第23-25页 |
| 2.3.1 系统架构 | 第24页 |
| 2.3.2 镜片疵病分类检测流程 | 第24-25页 |
| 2.4 本章小结、 | 第25-26页 |
| 第3章 镜片疵病边缘特征提取 | 第26-42页 |
| 3.1 图像边缘信息 | 第26-30页 |
| 3.1.1 边缘理论介绍 | 第26-27页 |
| 3.1.2 镜片疵病边缘特征增强 | 第27-30页 |
| 3.2 边缘检测算子 | 第30-34页 |
| 3.2.1 基于一阶微分的边缘检测算法 | 第30-32页 |
| 3.2.2 基于二阶微分的边缘检测算法 | 第32-33页 |
| 3.2.3 边缘检测算法检测结果与分析 | 第33-34页 |
| 3.3 常用边界跟踪算法分析 | 第34-36页 |
| 3.3.1 “爬虫法”边界跟踪 | 第34-35页 |
| 3.3.2 轮廓跟踪算法 | 第35-36页 |
| 3.4 改进的轮廓跟踪算法 | 第36-38页 |
| 3.4.1 快速跟踪原理分析 | 第36-38页 |
| 3.4.2 轮廓跟踪算法的缺陷改进方式 | 第38页 |
| 3.5 边界跟踪算法实验分析 | 第38-40页 |
| 3.6 本章小结 | 第40-42页 |
| 第4章 镜片疵病几个特征提取 | 第42-56页 |
| 4.1 MER最小外接矩形的分析研究 | 第42-47页 |
| 4.1.1 旋转法求MER | 第43-44页 |
| 4.1.2 改进的主轴旋转法求解MER | 第44-45页 |
| 4.1.3 实验结果对比分析 | 第45-47页 |
| 4.2 线性相关性特征研究 | 第47-51页 |
| 4.2.1 最小二乘法直线拟合 | 第48-50页 |
| 4.2.2 改进的直线拟合方式 | 第50-51页 |
| 4.3 基于区域标记的面积周长计算 | 第51-55页 |
| 4.3.1 常规面积和周长算法 | 第52-53页 |
| 4.3.2 改进的面积和周长计算方法 | 第53-55页 |
| 4.3.3 实验对比分析 | 第55页 |
| 4.4 本章小结 | 第55-56页 |
| 第5章 基于SVM的疵病分类检测 | 第56-67页 |
| 5.1 PCA主成分分析 | 第56-59页 |
| 5.1.1 主成分分析的原理 | 第56-58页 |
| 5.1.2 主成分分析的步骤 | 第58页 |
| 5.1.3 基于PCA的镜片疵病参数体系的建立 | 第58-59页 |
| 5.2 支持向量机的理论 | 第59-64页 |
| 5.2.1 支持向量机 | 第60-61页 |
| 5.2.2 线性可分支持向量机 | 第61-63页 |
| 5.2.3 线性不可分支持向量机 | 第63-64页 |
| 5.3 实验结果与分析 | 第64-66页 |
| 5.3.1 核函数分析 | 第64-65页 |
| 5.3.2 组合参数分析 | 第65-66页 |
| 5.4 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读学位期间的学术成果 | 第72-73页 |
| 致谢 | 第73页 |
