基于机器视觉的文具检测系统研究与实现
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-12页 |
| ·机器视觉的定义 | 第9页 |
| ·机器视觉的特点 | 第9页 |
| ·机器视觉在国外的应用现状 | 第9-10页 |
| ·机器视觉在国内的应用现状 | 第10页 |
| ·中国机器视觉未来发展趋势 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第2章 文具检测系统的总体设计方案 | 第12-19页 |
| ·系统总体设计目标及原则 | 第12页 |
| ·硬件系统 | 第12-16页 |
| ·相机的分析和选择 | 第12-13页 |
| ·图象采集卡的分析和选择 | 第13-15页 |
| ·光源和照明的设计 | 第15-16页 |
| ·软件系统 | 第16-18页 |
| ·软件平台 | 第16-17页 |
| ·开发工具 | 第17页 |
| ·系统软件的构成 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第3章 文具特征提取 | 第19-33页 |
| ·数字图像处理概述 | 第19页 |
| ·图像处理算法 | 第19-23页 |
| ·图像灰度变换 | 第19-20页 |
| ·图像的平滑 | 第20-21页 |
| ·图像边缘检测与提取 | 第21-22页 |
| ·图像的分割 | 第22-23页 |
| ·彩色模型的选取 | 第23-25页 |
| ·RGB 彩色模型 | 第23-24页 |
| ·HIS 彩色空间 | 第24-25页 |
| ·HSI 颜色空间与 RGB 颜色空间的转换 | 第25页 |
| ·矩形几何参数的提取和校正 | 第25-29页 |
| ·矩边界提形取 | 第25-27页 |
| ·特征点匹配方法. | 第27-28页 |
| ·透视变换 | 第28页 |
| ·实验和复杂度分析 | 第28-29页 |
| ·文具分类及参数提取 | 第29-30页 |
| ·缺失文具的拟合 | 第30-32页 |
| ·文具颜色特征参数提取 | 第32页 |
| ·本章小结 | 第32-33页 |
| 第4章 应用 BP 神经网络进行文具缺陷识别 | 第33-52页 |
| ·基于图象的模式识别方法 | 第33-36页 |
| ·模糊模式识别法 | 第33-34页 |
| ·句法模式识别法 | 第34页 |
| ·模板匹配法 | 第34-35页 |
| ·统计模式识别法 | 第35-36页 |
| ·神经网络方法 | 第36页 |
| ·神经网络发展 | 第36页 |
| ·神经网络的特点 | 第36-38页 |
| ·并行结构与并行处理 | 第36-37页 |
| ·知识的分布式存贮 | 第37页 |
| ·容错性 | 第37页 |
| ·具有自组织、自学习及推理的自适应能力 | 第37页 |
| ·非线性 | 第37页 |
| ·非局域性 | 第37-38页 |
| ·非凸性 | 第38页 |
| ·神经网络的选择 | 第38页 |
| ·BP 神经网络网络基本原理 | 第38-51页 |
| ·神经元 | 第39-40页 |
| ·BP 网络 | 第40-43页 |
| ·神经网络的学习规则 | 第43-45页 |
| ·BP 算法的改进 | 第45-46页 |
| ·BP 神经网络的训练策略及结果 | 第46页 |
| ·确定 BP 网络的结构 | 第46-51页 |
| ·最终训练后的神经网络结构 | 第51页 |
| ·本章小结 | 第51-52页 |
| 第5章 实验结果及其分析 | 第52-54页 |
| ·实验结果 | 第52-53页 |
| ·实验分析 | 第53页 |
| ·本章小结 | 第53-54页 |
| 全文总结 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-58页 |
| 附录 | 第58-59页 |
| 详细摘要 | 第59-62页 |
