| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题的来源 | 第9页 |
| 1.2 课题的背景及其意义 | 第9-11页 |
| 1.3 国内外的研究现状 | 第11-12页 |
| 1.3.1 国外的研究状况 | 第11页 |
| 1.3.2 国内的研究发展状况 | 第11-12页 |
| 1.4 课题的研究重心以及论文整体的结构安排 | 第12-13页 |
| 1.5 本章小结 | 第13-14页 |
| 第二章 玻璃缺陷检测系统的总体结构设计方案 | 第14-21页 |
| 2.1 玻璃缺陷检测的基本原理 | 第14-15页 |
| 2.2 玻璃缺陷检测系统的设计要求 | 第15页 |
| 2.3 玻璃缺陷检测系统的整体结构设计方案 | 第15-16页 |
| 2.4 系统硬件的选择与设计 | 第16-19页 |
| 2.4.1 光源照明系统 | 第16-17页 |
| 2.4.2 CCD摄像机 | 第17页 |
| 2.4.3 图像采集卡 | 第17-18页 |
| 2.4.4 PC机 | 第18-19页 |
| 2.5 系统软件设计 | 第19-20页 |
| 2.5.1 软件开发工具 | 第19页 |
| 2.5.2 软件功能 | 第19-20页 |
| 2.6 本章小结 | 第20-21页 |
| 第三章 玻璃图像预处理 | 第21-34页 |
| 3.1 标准模板图像的确立 | 第21-22页 |
| 3.1.1 统计平均法 | 第21-22页 |
| 3.1.2 阈值法 | 第22页 |
| 3.2 图像的几何变换 | 第22-25页 |
| 3.2.1 图像的旋转 | 第22-23页 |
| 3.2.2 图像的缩放 | 第23页 |
| 3.2.3 图像的镜像变换 | 第23-25页 |
| 3.3 图像的灰度化 | 第25-26页 |
| 3.4 图像增强 | 第26-28页 |
| 3.4.1 灰度的线性变换 | 第26-27页 |
| 3.4.2 灰度直方图的绘制 | 第27-28页 |
| 3.4.3 灰度直方图的均衡化 | 第28页 |
| 3.5 图像的平滑处理 | 第28-30页 |
| 3.5.1 邻域平均法 | 第29页 |
| 3.5.2 中值滤波法 | 第29页 |
| 3.5.3 自适应滤波 | 第29-30页 |
| 3.6 玻璃图像的边缘检测 | 第30-33页 |
| 3.6.1 Roberts边缘算子 | 第30-31页 |
| 3.6.2 Sobel边缘算子 | 第31页 |
| 3.6.3 Prewitt边缘算子 | 第31-32页 |
| 3.6.4 LoG边缘算子 | 第32-33页 |
| 3.7 本章小结 | 第33-34页 |
| 第四章 玻璃缺陷的提取及特征分析 | 第34-48页 |
| 4.1 玻璃缺陷种类及分析 | 第34-36页 |
| 4.1.1 气泡 | 第34-35页 |
| 4.1.2 夹杂 | 第35页 |
| 4.1.3 划伤 | 第35页 |
| 4.1.4 其他缺陷 | 第35-36页 |
| 4.2 图像的匹配 | 第36-37页 |
| 4.2.1 空域互相关配准 | 第36页 |
| 4.2.2 傅里叶变换配准 | 第36-37页 |
| 4.3 传统的缺陷提取算法 | 第37页 |
| 4.3.1 模板匹配法 | 第37页 |
| 4.3.2 分层检测法 | 第37页 |
| 4.3.3 图像差分法 | 第37页 |
| 4.4 动态阈值算法 | 第37-39页 |
| 4.5 改进的动态阈值算法 | 第39-40页 |
| 4.6 改进算法的实验与结果 | 第40-43页 |
| 4.7 改进算法与传统算法的对比实验 | 第43-45页 |
| 4.8 玻璃缺陷特征参数的提取 | 第45-47页 |
| 4.9 本章小结 | 第47-48页 |
| 第五章 玻璃缺陷识别分类 | 第48-60页 |
| 5.1 模式识别分类 | 第48-50页 |
| 5.1.1 模式识别的基本概念 | 第48页 |
| 5.1.2 常用的模式识别方法 | 第48-49页 |
| 5.1.3 支持向量机SVM(Support Vector Machine)方法 | 第49-50页 |
| 5.2 支持向量机SVM(Support Vector Machine)分类 | 第50-52页 |
| 5.2.1 支持向量机算法理论 | 第50页 |
| 5.2.2 核函数的选择 | 第50-52页 |
| 5.3 支持向量机的参数优化 | 第52-55页 |
| 5.3.1 遗传算法 | 第52-54页 |
| 5.3.2 交叉验证法 | 第54页 |
| 5.3.3 粒子群优化算法 | 第54-55页 |
| 5.4 基于支持向量机算法实验识别分类结果及分析 | 第55-57页 |
| 5.5 软件运行结果及分析 | 第57-59页 |
| 5.6 本章小结 | 第59-60页 |
| 第六章 总结与展望 | 第60-61页 |
| 6.1 全文总结 | 第60页 |
| 6.2 展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 附录 | 第65-68页 |
| 攻读硕士学位期间的科研成果 | 第68-69页 |
| 致谢 | 第69页 |