| 摘要 | 第1-4页 |
| Abstract | 第4-9页 |
| 1 绪论 | 第9-20页 |
| 1．1 快速响应工程与快速设计的研究意义 | 第9-11页 |
| 1．1．1 快速响应工程的含义 | 第9页 |
| 1．1．2 快速设计技术概述 | 第9-11页 |
| 1．2 反求工程研究综述 | 第11-15页 |
| 1．2．1 反求工程的基本原理 | 第11-13页 |
| 1．2．2 反求工程的现状与趋势 | 第13页 |
| 1．2．3 反求工程的研究重点与问题 | 第13-15页 |
| 1．2．4 反求工程与反求设计的关系 | 第15页 |
| 1．3 机械产品识别与三维重建技术的研究进展 | 第15-17页 |
| 1．3．1 三维重建的过程及研究意义与关键技术 | 第15-16页 |
| 1．3．2 机械产品检测与识别方法研究 | 第16-17页 |
| 1．3．3 计算机视觉技术在机械产品识别中的应用 | 第17页 |
| 1．4 课题来源、技术路线与主要工作 | 第17-20页 |
| 1．4．1 课题背景和研究意义 | 第17-18页 |
| 1．4．2 技术路线方法 | 第18页 |
| 1．4．3 主要研究内容 | 第18-20页 |
| 2 基于图像的机械产品反求设计系统体系结构研究 | 第20-29页 |
| 2．1 数字化设计制造技术概述 | 第20-21页 |
| 2．2 机械产品集成反求设计系统的功能分析 | 第21-22页 |
| 2．3 基于计算机视觉的反求设计系统功能分析 | 第22-24页 |
| 2．4 基于图像处理的机械产品数字化过程分析 | 第24-25页 |
| 2．5 集成反求设计的关键技术 | 第25-28页 |
| 2．6 小结 | 第28-29页 |
| 3 集成反求设计中的产品信息建模技术研究 | 第29-39页 |
| 3．1 概述 | 第29页 |
| 3．2 动态约束的信息模型构建 | 第29-33页 |
| 3．2．1 动态约束的信息模型结构 | 第29-31页 |
| 3．2．2 主特征模型 | 第31-32页 |
| 3．2．3 面向特征的零件模型构建 | 第32-33页 |
| 3．3 基于知识的工程反求设计体系中的构建 | 第33-35页 |
| 3．4 UML功能设计 | 第35-38页 |
| 3．5 小结 | 第38-39页 |
| 4 机械产品图像数据获取与处理技术研究 | 第39-56页 |
| 4．1 测量技术综述 | 第39-42页 |
| 4．2 立体视觉测量 | 第42-48页 |
| 4．2．1 计算机视觉方法 | 第42-44页 |
| 4．2．2 数字图像处理原理 | 第44页 |
| 4．2．3 匹配边界特征点 | 第44-46页 |
| 4．2．4 匹配与约束 | 第46-48页 |
| 4．3 光照模型的研究 | 第48-51页 |
| 4．3．1 Lambert漫反射模型和Phong模型 | 第49-50页 |
| 4．3．2 360度轮廓测量理论 | 第50-51页 |
| 4．4 图像分割的研究 | 第51-55页 |
| 4．4．1 自适应滤波算法研究 | 第51-52页 |
| 4．4．2．自适应中值滤波算法与性能指标 | 第52-54页 |
| 4．4．3 滤波器的工程应用实例 | 第54-55页 |
| 4．5 小结 | 第55-56页 |
| 5 基于局部曲面重建的反求设计方法研究 | 第56-78页 |
| 5．1 反求设计中的曲线曲面重建方法 | 第56-60页 |
| 5．1．1 数据点云的分割 | 第56-57页 |
| 5．1．2 曲面重建方法概述 | 第57-59页 |
| 5．1．3 三角形网格和三边域曲面重构方法 | 第59页 |
| 5．1．4 人工神经网络在曲面重建中的应用 | 第59-60页 |
| 5．2 基于局部曲面重建的反求设计系统模型 | 第60-64页 |
| 5．2．1 切片图像处理 | 第60-62页 |
| 5．2．2 体数据的表示 | 第62-63页 |
| 5．2．3 体数据的匹配 | 第63-64页 |
| 5．3 基于光线追踪的机械产品体绘制技术 | 第64-70页 |
| 5．3．1 基于光线追踪的体绘制原理与求交算法 | 第65-66页 |
| 5．3．2 简化的求交算法 | 第66-67页 |
| 5．3．3 体绘制的实现 | 第67-70页 |
| 5．4 曲面品质分析及优化技术 | 第70-74页 |
| 5．4．1 重建曲面光顺品质优化 | 第71-74页 |
| 5．4．2 曲面拟合及曲面光顺技术 | 第74页 |
| 5．5 基于集成反求的SCU-IRE实验系统设计 | 第74-77页 |
| 5．5．1 实验系统的开发方法 | 第74-76页 |
| 5．5．2 实例 | 第76-77页 |
| 5．6 小结 | 第77-78页 |
| 6 基于模糊神经网络的机械零件自动识别方法研究 | 第78-89页 |
| 6．1 智能优化算法及其研究进展 | 第78-80页 |
| 6．1．1 智能优化算法起源及其应用 | 第78-79页 |
| 6．1．2 智能优化算法的研究趋势 | 第79-80页 |
| 6．2 模糊神经网络在机械零件自动识别中的应用研究 | 第80-87页 |
| 6．2．1 概述 | 第80页 |
| 6．2．2 模糊神经网络分类器的原理 | 第80-82页 |
| 6．2．3 最小二乘与RBP混合学习算法(RLSBP) | 第82-83页 |
| 6．2．4 RLSBP算法的仿真 | 第83-84页 |
| 6．2．5 FCMNNC应用于机械零件分类 | 第84-87页 |
| 6．3 小结 | 第87-89页 |
| 7 基于注意机制的运动目标识别方法研究 | 第89-99页 |
| 7．1 选择性注意机制的视觉模型 | 第89-91页 |
| 7．1．1 生物视觉系统仿真 | 第89-90页 |
| 7．1．2 改进的采样模式 | 第90-91页 |
| 7．2 基于注意机制的系统结构研究 | 第91-92页 |
| 7．3 基于计算机视觉的机械产品自动检测系统的研究 | 第92-95页 |
| 7．3．1 检测系统的功能结构 | 第92-93页 |
| 7．3．2 基于视觉的多DSP在线检测系统的关键技术 | 第93-95页 |
| 7．4 应用实例 | 第95-97页 |
| 7．5 小结 | 第97-99页 |
| 8 结论与展望 | 第99-101页 |
| 参考文献 | 第101-109页 |
| 攻读博士学位期间参与的科研工作 | 第109-111页 |
| 致谢 | 第111-112页 |
| 论文声明 | 第112页 |
