| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 1 绪论 | 第14-31页 |
| ·课题研究的目的和意义 | 第14-18页 |
| ·课题的研究背景 | 第14-15页 |
| ·课题的研究目的 | 第15-16页 |
| ·课题的研究意义 | 第16-18页 |
| ·课题的国内外研究现状 | 第18-21页 |
| ·变分偏微分方程图像处理概述 | 第21-25页 |
| ·基于PDE的图像分解概述 | 第22-23页 |
| ·图像修复概述 | 第23-25页 |
| ·机器人单板缺陷检测修补系统设计 | 第25-30页 |
| ·Motoman UP6机器人简介 | 第25页 |
| ·单板缺陷检测修补系统的构成 | 第25-29页 |
| ·计算机视觉系统的软件设计流程 | 第29-30页 |
| ·课题的主要研究内容 | 第30-31页 |
| 2 基于PDE的单板缺陷图像分割技术研究 | 第31-76页 |
| ·引言 | 第31-32页 |
| ·水平集方法及C-V模型 | 第32-42页 |
| ·水平集介绍 | 第32-33页 |
| ·偏微分方程在图像分割中的应用 | 第33-38页 |
| ·多目标分割策略—背景填充技术 | 第38-40页 |
| ·加性分裂算子AOS | 第40-42页 |
| ·基于改进C-V模型的单板缺陷识别 | 第42-51页 |
| ·C-V模型的扩展 | 第42-43页 |
| ·多相水平集C-V模型 | 第43-45页 |
| ·背景填充多相C-V模型 | 第45-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·改进矢量C-V模型的单板缺陷彩色图像分割 | 第51-61页 |
| ·矢量C-V模型及扩展 | 第52-54页 |
| ·背景填充多相矢量C-V模型 | 第54-55页 |
| ·多相矢量C-V扩展模型算法实现步骤 | 第55页 |
| ·实验结果及分析 | 第55-61页 |
| ·改进C-V模型与小波变换的单板缺陷识别 | 第61-67页 |
| ·二维离散小波变换 | 第61-62页 |
| ·算法实现步骤 | 第62页 |
| ·实验结果及分析 | 第62-67页 |
| ·改进矢量C-V模型与Gabor滤波器的单板缺陷识别 | 第67-75页 |
| ·多通道Gabor滤波器 | 第67-69页 |
| ·改进矢量C-V及Gabor滤波实现步骤 | 第69页 |
| ·实现结果及分析 | 第69-75页 |
| ·本章小结 | 第75-76页 |
| 3 基于全局最优的动态轮廓模型单板缺陷识别研究 | 第76-90页 |
| ·引言 | 第76-77页 |
| ·活动轮廓模型介绍 | 第77-79页 |
| ·测地线活动轮廓模型 | 第77-78页 |
| ·无边缘动态轮廓模型 | 第78页 |
| ·全变分模型 | 第78-79页 |
| ·改进的多目标活动轮廓检测模型 | 第79-80页 |
| ·带权TV范数的快速对偶化算法实现 | 第80-86页 |
| ·实验结果及分析 | 第86-89页 |
| ·本章小结 | 第89-90页 |
| 4 基于图像分解的单板缺陷边缘检测方法研究 | 第90-118页 |
| ·引言 | 第90-91页 |
| ·图像分解相关理论介绍 | 第91-98页 |
| ·泛函空间的概念 | 第91-94页 |
| ·基于PDE的图像分解模型 | 第94-98页 |
| ·PDE在单板缺陷图像分解中的应用 | 第98-102页 |
| ·基于ROF的单板缺陷图像分解 | 第98-100页 |
| ·基于VO模型的单板缺陷图像分解 | 第100-102页 |
| ·基于PDE的单板缺陷图像分解新方法 | 第102-110页 |
| ·消除阶梯效应的图像分解新模型 | 第102-103页 |
| ·新图像分解模型的求解算法 | 第103-108页 |
| ·新模型算法的离散化 | 第108-109页 |
| ·仿真实验及分析 | 第109-110页 |
| ·图像分解与边缘检测耦合的单板缺陷识别 | 第110-117页 |
| ·图像的结构-纹理分解新模型 | 第110-112页 |
| ·新结构-纹理分解模型的求解 | 第112-113页 |
| ·构造半二次规整化的边缘检测模型 | 第113-115页 |
| ·算法的离散化 | 第115页 |
| ·仿真实验和算法分析 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 5 基于图像修补的单板缺陷修复研究 | 第118-136页 |
| ·引言 | 第118-119页 |
| ·BSCB改进算法的单板缺陷图像修补 | 第119-123页 |
| ·BSCB算法 | 第119-120页 |
| ·BSCB模型的算法改进 | 第120-122页 |
| ·BSCB改进算法的实验比较 | 第122-123页 |
| ·BSCB改进算法的实验分析 | 第123页 |
| ·BSCB与样本块耦合的单板缺陷图像修补 | 第123-127页 |
| ·基于样本块的图像修复算法 | 第123-124页 |
| ·基于样本块图像修复算法的不足 | 第124-125页 |
| ·BSCB改进算法与样本块耦合的单板缺陷图像修补 | 第125-126页 |
| ·实验结果及分析 | 第126-127页 |
| ·基于图像分解的单板缺陷图像修补 | 第127-135页 |
| ·灰度与彩色单板缺陷图像分解 | 第127-132页 |
| ·灰度单板图像的结构-纹理修复方法 | 第132-134页 |
| ·彩色单板图像的结构-纹理修复方法 | 第134-135页 |
| ·本章小结 | 第135-136页 |
| 结论 | 第136-138页 |
| 参考文献 | 第138-148页 |
| 攻读学位期间发表的学术论文 | 第148-150页 |
| 致谢 | 第150-151页 |