| 致谢 | 第1-7页 |
| 摘要 | 第7-9页 |
| ABSTRACT | 第9-21页 |
| 第1章 绪论 | 第21-39页 |
| ·机器视觉检测研究的目的和意义 | 第21-24页 |
| ·课题研究背景 | 第21-23页 |
| ·课题研究的目的和意义 | 第23-24页 |
| ·视觉检测的系统组成及国内外研究和应用情况 | 第24-32页 |
| ·视觉检测的概念和系统组成 | 第24-27页 |
| ·机器视觉检测国内外的研究及应用情况 | 第27-31页 |
| ·视觉检测的基本图像处理方法 | 第31-32页 |
| ·视觉仿生技术和多元图像分析方法概述 | 第32-36页 |
| ·视觉仿生和多尺度表示 | 第32-35页 |
| ·多元图像分析方法的发展 | 第35-36页 |
| ·机器视觉检测面临的主要问题 | 第36-37页 |
| ·课题来源与主要研究内容 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第2章 图像平面测量原理及提高测量精度算法 | 第39-62页 |
| ·引言 | 第39页 |
| ·摄像机模型和透视投影成像 | 第39-41页 |
| ·基于单应性矩阵的图像平面测量原理及提高测量精度的算法 | 第41-46页 |
| ·平面与平面的单应性矩阵计算 | 第42-44页 |
| ·动态平面测量原理 | 第44-45页 |
| ·基于子空间的单应性矩阵计算及平面测量算法 | 第45-46页 |
| ·图像动态测量反馈气动控制实验 | 第46-51页 |
| ·实验系统构成 | 第47页 |
| ·运动平面单应性矩阵的标定和特征点提取 | 第47-49页 |
| ·图像测量反馈气动控制实验结果 | 第49-51页 |
| ·畸变模型下提高图像平面测量精度的方法 | 第51-58页 |
| ·摄像机内外参数的标定方法 | 第52-53页 |
| ·内外参数在图像子空间上的分块标定 | 第53-56页 |
| ·子空间的合并和分块描述 | 第56-57页 |
| ·摄像机坐标系下平面上两点的图像测量 | 第57-58页 |
| ·分块标定图像平面测量实验 | 第58-61页 |
| ·静态图像测量实验装置 | 第58页 |
| ·摄像机参数的分块标定 | 第58-59页 |
| ·平面上的分块测量比较实验 | 第59-61页 |
| ·本章小结 | 第61-62页 |
| 第3章 高斯多尺度多元图像分析表面检测原理 | 第62-76页 |
| ·引言 | 第62页 |
| ·多元图像分析方法原理 | 第62-68页 |
| ·多元随机变量和多元统计分析 | 第62-63页 |
| ·主成分分析 | 第63-64页 |
| ·多元图像分析原理 | 第64-67页 |
| ·多元图像分析方法的优缺点及其与传统方法的比较 | 第67-68页 |
| ·基于高斯多尺度图像表示的多元图像分析 | 第68-71页 |
| ·人眼感知的尺度空间理论与高斯多尺度图像表示 | 第68-70页 |
| ·高斯多尺度多元图像的构造与多元图像分析 | 第70-71页 |
| ·利用Q统计量进行缺陷检测 | 第71-74页 |
| ·Q统计量 | 第71-72页 |
| ·缺陷检测和阈值选择 | 第72-74页 |
| ·高斯多尺度多元图像分析表面缺陷检测实验 | 第74-75页 |
| ·本章小结 | 第75-76页 |
| 第4章 罐体缺陷在线多元图像分析检测系统研究 | 第76-98页 |
| ·引言 | 第76页 |
| ·机器视觉在包装罐制造中的应用现状 | 第76-78页 |
| ·包装罐综合检测系统设计与仿真实验平台 | 第78-82页 |
| ·国外ISRA的罐体检测系统 | 第78-79页 |
| ·检测方案确定和系统设计 | 第79-81页 |
| ·仿真实验平台和测试图像获取 | 第81-82页 |
| ·基于形态学方法的区域提取和完整性检测 | 第82-86页 |
| ·罐内图像的区域划分和形态学提取 | 第82-85页 |
| ·利用形态学算法进行完整性检测 | 第85-86页 |
| ·动态阈值滤波方法及HALCON实现 | 第86-88页 |
| ·包装罐内壁、焊缝和底面的动态阈值滤波检测方法 | 第86-87页 |
| ·基于HALCON的检测系统实现 | 第87-88页 |
| ·多元图像分析内壁缺陷检测方法 | 第88-96页 |
| ·内壁检测区域表面图像特点 | 第88-89页 |
| ·利用合格样本ROI图像构造多元图像数据 | 第89-91页 |
| ·缺陷检测和参数P的优化选择 | 第91-92页 |
| ·环形内壁图像的整体检测 | 第92-96页 |
| ·基于在线检测的多元图像分析方法实验研究 | 第96-97页 |
| ·ROI区域检测实验 | 第96-97页 |
| ·内壁区域整体检测实验 | 第97页 |
| ·本章小结 | 第97-98页 |
| 第5章 彩色图像多尺度多元图像分析 | 第98-119页 |
| ·引言 | 第98页 |
| ·人眼颜色和纹理感知机制分析 | 第98-105页 |
| ·视觉通路和视网膜生理结构 | 第98-101页 |
| ·感受野机制 | 第101页 |
| ·多尺度感知的生理学基础 | 第101-102页 |
| ·三基色颜色感知和拮抗色颜色处理 | 第102-104页 |
| ·颜色纹理感知处理模型 | 第104-105页 |
| ·颜色纹理彩色图像的多尺度多元图像分析方法 | 第105-109页 |
| ·彩色图像多尺度颜色纹理感知表示建模 | 第105-106页 |
| ·彩色图像多尺度表示的多元图像分析 | 第106-107页 |
| ·本征特征空间的多尺度颜色拮抗特征 | 第107-109页 |
| ·多尺度多元图像分析彩色图像去噪方法 | 第109-112页 |
| ·彩色图像去噪 | 第109-110页 |
| ·高斯空间滤波图像去噪 | 第110-111页 |
| ·本征特征空间上去噪 | 第111-112页 |
| ·多尺度多元图像分析去噪方法实验研究 | 第112-118页 |
| ·去噪效果评价指标和图像质量的主观评价 | 第112-114页 |
| ·去噪实验研究 | 第114-118页 |
| ·本章小结 | 第118-119页 |
| 第6章 多尺度多元图像分析颜色纹理特征图像分类方法研究 | 第119-136页 |
| ·引言 | 第119页 |
| ·颜色纹理分析研究现状 | 第119-121页 |
| ·颜色纹理综合描述和分析方法 | 第119-120页 |
| ·颜色纹理检测分类应用 | 第120-121页 |
| ·多尺度多元图像分析颜色纹理表面分类方法 | 第121-127页 |
| ·人眼视觉系统对颜色和纹理的区分 | 第121-123页 |
| ·本征空间上的颜色纹理本征特征 | 第123页 |
| ·利用典型图像建立参考本征空间模型 | 第123-124页 |
| ·利用统计量提取图像的典型特征簇 | 第124-125页 |
| ·典型特征簇间相似性距离估计及k-NN分类 | 第125-127页 |
| ·在瓷砖色差分类检测中的应用 | 第127-131页 |
| ·瓷砖的在线检测 | 第128页 |
| ·VxC TSG瓷砖数据库 | 第128-130页 |
| ·瓷砖的分类检测实验 | 第130-131页 |
| ·在竹条颜色纹理分类中的应用 | 第131-135页 |
| ·竹木产品图像特征和竹条的颜色纹理分类 | 第131页 |
| ·竹条图像的采集实验系统 | 第131-133页 |
| ·竹条色差分类检测实验 | 第133-135页 |
| ·本章小结 | 第135-136页 |
| 第7章 总结与展望 | 第136-139页 |
| ·全文总结 | 第136-137页 |
| ·论文创新点 | 第137-138页 |
| ·展望 | 第138-139页 |
| 参考文献 | 第139-152页 |
| 作者简历及攻读博士学位期间的主要科研成果 | 第152-153页 |