基于图像处理的螺纹表面缺陷检测技术研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·课题研究背景及意义 | 第8-11页 |
| ·机器视觉检测技术国内外研究现状 | 第11-12页 |
| ·螺纹分类及表面缺陷检测方法 | 第12-13页 |
| ·螺纹分类 | 第12页 |
| ·螺纹表面缺陷检测方法 | 第12-13页 |
| ·本文的研究内容 | 第13-15页 |
| 2 螺纹表面图像采集平台的搭建 | 第15-23页 |
| ·工业相机 | 第15-16页 |
| ·光学镜头 | 第16-18页 |
| ·光源及照明方式 | 第18-22页 |
| ·光源的选择 | 第18-19页 |
| ·照明方式的选择 | 第19-22页 |
| ·螺纹表面图像的采集 | 第22-23页 |
| 3 表面缺陷检测算法对比研究 | 第23-41页 |
| ·基于离散傅立叶变换的图像增强方法 | 第23-26页 |
| ·离散傅立叶变换 | 第24页 |
| ·傅立叶功率谱纹理特征分析 | 第24-25页 |
| ·基于傅立叶频谱的图像增强 | 第25-26页 |
| ·基于离散余弦变换的图像增强方法 | 第26-28页 |
| ·离散余弦变换 | 第26-27页 |
| ·余弦频谱分析 | 第27-28页 |
| ·基于余弦频谱的图像增强 | 第28页 |
| ·基于离散小波变换的图像增强方法 | 第28-35页 |
| ·Mallat 算法 | 第29-32页 |
| ·基于 Mallat 算法的小波变换图像增强 | 第32-35页 |
| ·基于主成分分析的图像增强方法 | 第35-36页 |
| ·主成分分析 | 第35-36页 |
| ·基于主成分分析的图像增强 | 第36页 |
| ·实验及结果分析 | 第36-41页 |
| 4 螺纹表面缺陷自动检测算法的实现 | 第41-56页 |
| ·算法的结构模块 | 第41-42页 |
| ·图像增强中高功率阈值 k1 的影响及确定 | 第42-46页 |
| ·图像分割中阈值的自动选取及算法实现 | 第46-50页 |
| ·统计过程控制原理 | 第47-48页 |
| ·SPC 二值化分割 | 第48-49页 |
| ·图像分割中控制因子 k2 的影响及确定 | 第49-50页 |
| ·后处理中的八邻域区域标记法 | 第50-52页 |
| ·近邻 | 第50-51页 |
| ·区域标记 | 第51-52页 |
| ·螺纹表面缺陷检测实验及结果分析 | 第52-56页 |
| 5 总结与展望 | 第56-58页 |
| ·本文工作总结 | 第56页 |
| ·未来工作展望 | 第56-58页 |
| 致谢 | 第58-59页 |
| 参考文献 | 第59-62页 |
| 附录 | 第62页 |
| A. 作者在攻读学位期间发表的论文目录 | 第62页 |
