| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 表面缺陷检测算法研究现状 | 第11-13页 |
| 1.2.1 空域法 | 第11-12页 |
| 1.2.2 频域法 | 第12-13页 |
| 1.2.3 模型法 | 第13页 |
| 1.3 本文研究内容及章节安排 | 第13-16页 |
| 1.3.1 本文研究内容 | 第13-14页 |
| 1.3.2 本文章节安排 | 第14-16页 |
| 第2章 手机金属板表面缺陷检测系统设计 | 第16-24页 |
| 2.1 金属板表面常见缺陷 | 第16-17页 |
| 2.2 照明与成像 | 第17-21页 |
| 2.2.1 光源及照明方式的选择 | 第17-18页 |
| 2.2.2 相机和镜头的选择 | 第18-21页 |
| 2.3 软件算法 | 第21-22页 |
| 2.4 本章小结 | 第22-24页 |
| 第3章 手机金属板表面图像的预处理算法研究 | 第24-40页 |
| 3.1 原始图像ROI区域检测 | 第24-28页 |
| 3.2 金属板表面缺陷图像的去噪算法研究 | 第28-38页 |
| 3.2.1 基于非局部均值的图像去噪算法 | 第29-30页 |
| 3.2.2 基于局部FoPLBP特征的非局部均值去噪 | 第30-38页 |
| 3.3 金属板表面缺陷图像分块 | 第38-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第4章 手机金属板表面缺陷特征描述算法研究 | 第40-54页 |
| 4.1 传统特征研究 | 第40页 |
| 4.2 金属板表面缺陷图像块局部梯度特征 | 第40-49页 |
| 4.2.1 HOG特征 | 第41-43页 |
| 4.2.2 Haar小波变换 | 第43-46页 |
| 4.2.3 HaarHOG特征的分类实验 | 第46-49页 |
| 4.3 金属板表面缺陷图像块局部频率特征 | 第49-53页 |
| 4.4 本章小结 | 第53-54页 |
| 第5章 手机金属板表面缺陷图像分类研究 | 第54-66页 |
| 5.1 手机金属板表面缺陷特征降维 | 第54-58页 |
| 5.1.1 基于主成分分析的特征降维 | 第54-55页 |
| 5.1.2 降维实验与结果分析 | 第55-58页 |
| 5.2 基于贝叶斯的缺陷图像分类 | 第58-61页 |
| 5.2.1 基于贝叶斯的两类分类 | 第58-59页 |
| 5.2.2 分类实验与结果分析 | 第59-61页 |
| 5.3 基于支持向量机的缺陷图像分类 | 第61-65页 |
| 5.3.1 基于支持向量机的两类分类 | 第61-62页 |
| 5.3.2 分类实验与结果分析 | 第62-65页 |
| 5.4 本章小结 | 第65-66页 |
| 第6章 总结与展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-71页 |
| 致谢 | 第71-72页 |
| 个人简历 | 第72-73页 |
| 攻读硕士学位期间主要的研究成果 | 第73页 |