| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 问题提出的背景及意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文的主要工作 | 第10页 |
| 1.4 本文的结构安排 | 第10-12页 |
| 第二章 成像硬件系统 | 第12-24页 |
| 2.1 硬件 | 第12-15页 |
| 2.1.1 相机 | 第12-13页 |
| 2.1.2 图像采集卡 | 第13-14页 |
| 2.1.3 线性光源 | 第14-15页 |
| 2.2 硬件安装以及配置 | 第15-19页 |
| 2.2.1 Matrox Imaging 采集卡安装及配置 | 第15-17页 |
| 2.2.2 E2V 线阵相机配置 | 第17-19页 |
| 2.3 DCF 文件、测试环境、设备 | 第19-22页 |
| 2.3.1 DCF 文件 | 第19-21页 |
| 2.3.2 测试环境 | 第21-22页 |
| 2.4 MIL 函数库 | 第22-23页 |
| 2.5 成像图 | 第23页 |
| 2.6 本章小结 | 第23-24页 |
| 第三章 板带钢表面缺陷检测方法研究 | 第24-37页 |
| 3.1 图像预处理和特性分析 | 第24-25页 |
| 3.2 基于局部信息熵迭代的缺陷图像分割 | 第25-29页 |
| 3.2.1 边缘点定位 | 第25-26页 |
| 3.2.2 局部缺陷区域的设定 | 第26页 |
| 3.2.3 基于信息熵迭代的缺陷分割 | 第26-29页 |
| 3.3 基于局部二进制模式的缺陷图像分割 | 第29-35页 |
| 3.3.1 LBP 值 | 第29-30页 |
| 3.3.2 钢板表面图像的 LBP 值计算 | 第30-32页 |
| 3.3.3 缺陷定位 | 第32-33页 |
| 3.3.4 参数选择 | 第33-35页 |
| 3.4 实验对比分析 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 板带钢表面缺陷识别 | 第37-47页 |
| 4.1 特征选择 | 第37-40页 |
| 4.2 支持向量机方法运用于板带钢表面缺陷识别 | 第40-46页 |
| 4.2.1 支持向量机分类方法原理 | 第41页 |
| 4.2.2 模型选择 | 第41-42页 |
| 4.2.3 样本选择 | 第42-44页 |
| 4.2.4 实验结果 | 第44-45页 |
| 4.2.5 质量检测系统在生产线上的应用 | 第45-46页 |
| 4.3 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 工作总结 | 第47-48页 |
| 5.2 展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |
| 附录 A 攻读学位期间发表的论文 | 第53-54页 |
| 大摘要 | 第54-57页 |