周期纹理表面缺陷检测算法研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 1 绪论 | 第8-14页 |
| 1.1 课题背景及意义 | 第8-9页 |
| 1.2 机器视觉检测技术国内外研究状况 | 第9-11页 |
| 1.3 论文组织结构 | 第11-14页 |
| 2 检测系统总体设计 | 第14-19页 |
| 2.1 研究对象说明 | 第14-15页 |
| 2.2 检测系统整体结构原理 | 第15-17页 |
| 2.3 检测算法思想和检测流程 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 3 图像预处理方法 | 第19-26页 |
| 3.1 高斯滤波 | 第19-20页 |
| 3.2 阈值分割 | 第20-22页 |
| 3.3 二值图像的形态学过程 | 第22-25页 |
| 3.4 本章小结 | 第25-26页 |
| 4 基于频域的检测算法 | 第26-51页 |
| 4.1 基于幅值谱去除周期纹理方法 | 第26-43页 |
| 4.2 基于频谱归一化图像重建方法 | 第43-48页 |
| 4.3 边界效应 | 第48-50页 |
| 4.4 本章小结 | 第50-51页 |
| 5 基于奇异值分解的检测算法 | 第51-58页 |
| 5.1 奇异值分解理论 | 第51-52页 |
| 5.2 基于SVD重建图像 | 第52-53页 |
| 5.3 重构奇异值数量的选定 | 第53-56页 |
| 5.4 实验分析 | 第56页 |
| 5.5 本章小结 | 第56-58页 |
| 6 系统展示和应用分析 | 第58-67页 |
| 6.1 检测硬件原理和设备展示 | 第58-60页 |
| 6.2 人机交互界面 | 第60-61页 |
| 6.3 应用案例和检测测试 | 第61-66页 |
| 6.4 本章小结 | 第66-67页 |
| 7 总结与展望 | 第67-69页 |
| 7.1 总结 | 第67-68页 |
| 7.2 展望 | 第68-69页 |
| 致谢 | 第69-70页 |
| 参考文献 | 第70-73页 |
