| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.1.1 课题背景 | 第9页 |
| 1.1.2 研究意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 国外研究现状 | 第10-11页 |
| 1.2.2 国内研究现状 | 第11-12页 |
| 1.3 本课题主要研究内容 | 第12-14页 |
| 第二章 板带材表面缺陷检测系统整体设计 | 第14-25页 |
| 2.1 常见缺陷类型 | 第14-15页 |
| 2.2 系统整体方案 | 第15-16页 |
| 2.3 系统硬件结构设计 | 第16-22页 |
| 2.3.1 照明系统 | 第16-19页 |
| 2.3.2 工业摄像机的选用 | 第19-21页 |
| 2.3.3 图像采集卡 | 第21-22页 |
| 2.4 系统软件结构设计 | 第22-24页 |
| 2.4.1 图像采集 | 第22页 |
| 2.4.2 图像处理 | 第22-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 图像预处理和缺陷图像分割与定位 | 第25-46页 |
| 3.1 图像去噪 | 第25-30页 |
| 3.1.1 常见噪声类型 | 第25-26页 |
| 3.1.2 图像滤波方法 | 第26-28页 |
| 3.1.3 滤波实验及分析 | 第28-30页 |
| 3.2 图像分割 | 第30-41页 |
| 3.2.1 基于边缘检测的分割方法 | 第30-31页 |
| 3.2.2 基于全局阈值的分割方法 | 第31-32页 |
| 3.2.3 基于灰度级形态学增强和自适应阈值的优化分割方法 | 第32-36页 |
| 3.2.4 图像分割实验与分析 | 第36-41页 |
| 3.3 板带材表面缺陷区域定位 | 第41-45页 |
| 3.4 本章小结 | 第45-46页 |
| 第四章 缺陷区域特征提取与选择 | 第46-55页 |
| 4.1 缺陷区域常见特征类型 | 第46-50页 |
| 4.1.1 几何形状特征 | 第46-48页 |
| 4.1.2 灰度特征 | 第48-49页 |
| 4.1.3 纹理特征 | 第49-50页 |
| 4.2 板带材表面缺陷区域特征提取实验 | 第50-54页 |
| 4.3 本章小结 | 第54-55页 |
| 第五章 缺陷分类识别 | 第55-65页 |
| 5.1 模式识别概述 | 第55-57页 |
| 5.1.1 模式识别基本理论 | 第55-56页 |
| 5.1.2 常用模式识别方法 | 第56-57页 |
| 5.2 基于 BP 神经网络的缺陷分类识别 | 第57-64页 |
| 5.2.1 人工神经元模型简介 | 第57-58页 |
| 5.2.2 BP 神经网络算法原理 | 第58-60页 |
| 5.2.3 改进的 BP 神经网络算法 | 第60页 |
| 5.2.4 基于 BP 神经网络的分类器设计 | 第60-62页 |
| 5.2.5 分类器训练与测试实验 | 第62-64页 |
| 5.3 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第71-72页 |
| 致谢 | 第72-73页 |