| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究的背景和意义 | 第10-11页 |
| 1.2 钢板表面检测技术的发展及研究现状 | 第11-12页 |
| 1.2.1 传统的检测方法 | 第11-12页 |
| 1.2.2 机器视觉检测方法 | 第12页 |
| 1.3 钢板表面缺陷识别技术 | 第12-14页 |
| 1.3.1 图像预处理技术 | 第13页 |
| 1.3.2 特征提取与选择 | 第13页 |
| 1.3.3 模式识别算法 | 第13-14页 |
| 1.4 本文的研究内容及组织结构 | 第14-17页 |
| 第二章 缺陷图像预处理 | 第17-30页 |
| 2.1 钢板表面常见缺陷类型 | 第17-19页 |
| 2.2 滤波去噪 | 第19-22页 |
| 2.2.1 邻域平均法 | 第19-20页 |
| 2.2.2 中值滤波 | 第20-21页 |
| 2.2.3 高斯滤波 | 第21页 |
| 2.2.4 维纳滤波 | 第21-22页 |
| 2.2.5 滤波方法评价 | 第22页 |
| 2.3 图像增强 | 第22-24页 |
| 2.4 图像分割 | 第24-29页 |
| 2.4.1 Roberts算子 | 第24-25页 |
| 2.4.2 Sobel算子 | 第25-26页 |
| 2.4.3 Prewitt算子 | 第26-27页 |
| 2.4.4 Canny算子 | 第27-28页 |
| 2.4.5 Log算子 | 第28-29页 |
| 2.4.6 图像分割算子效率评价 | 第29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 钢板表面缺陷特征提取与选择 | 第30-41页 |
| 3.1 钢板表面缺陷特征的提取 | 第30-38页 |
| 3.1.1 几何特征 | 第30-32页 |
| 3.1.2 灰度特征 | 第32-34页 |
| 3.1.3 投影特征 | 第34-36页 |
| 3.1.4 纹理特征 | 第36-38页 |
| 3.2 钢板表面缺陷特征选择 | 第38-40页 |
| 3.2.1 Fisher判别准则 | 第38-39页 |
| 3.2.2 特征选择 | 第39-40页 |
| 3.3 本章小结 | 第40-41页 |
| 第四章 钢板表面缺陷的识别算法 | 第41-55页 |
| 4.1 基于BP神经网络的缺陷识别 | 第41-44页 |
| 4.2 基于传统AdaBoost算法的缺陷识别 | 第44-46页 |
| 4.2.1 传统AdaBoost算法概述 | 第44-45页 |
| 4.2.2 AdaBoost.M1和SAMME算法原理 | 第45-46页 |
| 4.3 基于AdaBoost.BK的缺陷识别 | 第46-54页 |
| 4.3.1 AdaBoost.BK流程设计 | 第47-49页 |
| 4.3.2 弱分类器的选择 | 第49-50页 |
| 4.3.3 倒退步数F和弱分类器设定数量I的选择 | 第50-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 实例分析与验证 | 第55-68页 |
| 5.1 数据预处理 | 第55-59页 |
| 5.1.1 表面缺陷数据集 | 第55-56页 |
| 5.1.2 缺陷图像预处理 | 第56-57页 |
| 5.1.3 特征提取与选择 | 第57-59页 |
| 5.2 钢板表面缺陷识别 | 第59-65页 |
| 5.2.1 BP神经网络识别 | 第59-62页 |
| 5.2.2 传统AdaBoost算法识别 | 第62-63页 |
| 5.2.3 AdaBoost.BK识别 | 第63-65页 |
| 5.3 钢板表面缺陷分类算法的比较 | 第65-67页 |
| 5.4 本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 6.1 结论 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录1 读硕士学位期间研究成果 | 第76-77页 |
| 附录2 读硕士学位期间参加的科研项目 | 第77-78页 |
| 附录3 模型MATLAB代码 | 第78-95页 |
| 附录3.1 缺陷图像读取 | 第78页 |
| 附录3.2 缺陷图像滤波 | 第78-79页 |
| 附录3.3 PSNR计算 | 第79-80页 |
| 附录3.4 缺陷图像增强和分割 | 第80页 |
| 附录3.5 缺陷图像ROI搜索 | 第80-81页 |
| 附录3.6 分割算子评价 | 第81页 |
| 附录3.7 特征提取 | 第81-82页 |
| 附录3.8 不变矩计算 | 第82-83页 |
| 附录3.9 灰度特征计算 | 第83-84页 |
| 附录3.10 投影特征计算 | 第84页 |
| 附录3.11 纹理特征计算 | 第84-86页 |
| 附录3.12 Fisher判别准则 | 第86页 |
| 附录3.13 BP神经网络缺陷分类 | 第86-87页 |
| 附录3.14 AdaBoost.M1缺陷分类 | 第87-90页 |
| 附录3.15 SAMME缺陷分类 | 第90-92页 |
| 附录3.16 AdaBoost.BK缺陷分类 | 第92-95页 |