| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 第一章 绪论 | 第9-15页 |
| 1．1 带钢表面检测技术的发展趋势及研究现状 | 第9-11页 |
| 1．2 图像识别技术的发展趋势及研究现状 | 第11-13页 |
| 1．3 论文背景、意义及研究的主要内容 | 第13-15页 |
| 1．3．1 论文背景和意义 | 第13-14页 |
| 1．3．2 论文的主要研究内容 | 第14-15页 |
| 第二章 带钢表面质量监测系统的总体设计 | 第15-21页 |
| 2．1 带钢表面质量监测系统的主要技术要求 | 第15页 |
| 2．2 带钢表面质量监测系统的总体设计方案 | 第15-16页 |
| 2．3 监测系统的软、硬件方案 | 第16-20页 |
| 2．3．1 系统的硬件方案 | 第16-18页 |
| 2．3．2 系统的软件方案 | 第18-20页 |
| 2．4 本章小节 | 第20-21页 |
| 第三章 图像的读取及预处理中去噪技术的研究 | 第21-31页 |
| 3．1 数字图像 | 第21-24页 |
| 3．1．1 图像格式及数字图像 | 第21-22页 |
| 3．1．2 位图文件 | 第22页 |
| 3．1．3 灰度图像、带调色板的彩色图像与真彩色图像 | 第22-24页 |
| 3．2 带钢图像预处理中去噪去噪技术的研究 | 第24-30页 |
| 3．2．1 图像的噪声 | 第24-25页 |
| 3．2．2 系统中噪声特征的提取 | 第25-27页 |
| 3．2．3 噪声图像的特征值分析 | 第27-29页 |
| 3．2．4 预处理中去噪的设计方案 | 第29-30页 |
| 3．3 本章小结 | 第30-31页 |
| 第四章 图像识别关键技术的研究 | 第31-72页 |
| 4．1 基于颜色的图像识别技术研究 | 第31-46页 |
| 4．1．1 颜色识别的几种算法设计 | 第31-41页 |
| 4．1．2 颜色识别算法的实验结果与分析 | 第41-45页 |
| 4．1．3 本系统基于颜色识别的方法 | 第45-46页 |
| 4．2 基于纹理的图像识别技术研究 | 第46-57页 |
| 4．2．1 彩色图与灰度图的转换 | 第46-47页 |
| 4．2．2 纹理特征的提取 | 第47-50页 |
| 4．2．3 基于纹理识别的判别函数 | 第50页 |
| 4．2．4 本系统基于纹理识别的方法 | 第50-51页 |
| 4．2．5 基于纹理识别的实验结果与分析 | 第51-57页 |
| 4．3 基于形态的图像识别技术研究 | 第57-70页 |
| 4．3．1 图像分割技术的研究 | 第57-63页 |
| 4．3．2 形态特征的提取 | 第63-66页 |
| 4．3．3 基于形态识别的判别函数 | 第66-67页 |
| 4．3．4 本系统基于形态识别的方法 | 第67-68页 |
| 4．3．5 基于形态识别的实验结果与分析 | 第68-70页 |
| 4．4 本章小结 | 第70-72页 |
| 第五章 缺陷图像数据库与IR软件的设计 | 第72-84页 |
| 5．1 缺陷图像数据库的设计方案 | 第72-77页 |
| 5．1．1 数据库文件管理方式的选择 | 第72-74页 |
| 5．1．2 图像特征值文件的建立 | 第74-77页 |
| 5．2 缺陷图像数据库的功能模块设计 | 第77-80页 |
| 5．2．1 查看缺陷子模块的设计 | 第77-78页 |
| 5．2．2 添加缺陷子模块的设计 | 第78-80页 |
| 5．2．3 删除缺陷子模块的设计 | 第80页 |
| 5．3 IR软件功能特点及运行举例 | 第80-83页 |
| 5．3．1 IR软件功能特点 | 第80-82页 |
| 5．3．2 IR软件运行举例 | 第82-83页 |
| 5．4 本章小结 | 第83-84页 |
| 第六章 结论 | 第84-86页 |
| 致谢 | 第86-87页 |
| 参考文献 | 第87-89页 |