| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 课题研究背景和意义 | 第8页 |
| 1.2 机器视觉检测技术研究现状 | 第8-10页 |
| 1.2.1 机器视觉检测定义 | 第8-9页 |
| 1.2.2 国内外研究现状 | 第9-10页 |
| 1.3 磁瓦表面缺陷视觉检测技术 | 第10-11页 |
| 1.4 课题提出和研究内容 | 第11-12页 |
| 第二章 检测装置总体设计 | 第12-19页 |
| 2.1 磁瓦典型缺陷分析 | 第12-13页 |
| 2.2 检测装置硬件设计 | 第13-17页 |
| 2.2.1 图像处理平台 | 第14页 |
| 2.2.2 光源设计 | 第14-15页 |
| 2.2.3 相机选型 | 第15-17页 |
| 2.2.4 镜头选型 | 第17页 |
| 2.3 检测算法思路 | 第17-18页 |
| 2.4 本章小结 | 第18-19页 |
| 第三章 磁瓦表面图像预处理 | 第19-28页 |
| 3.1 中值滤波 | 第19-20页 |
| 3.2 亮度不均匀处理 | 第20-27页 |
| 3.2.1 磁瓦表面亮度分析 | 第20页 |
| 3.2.2 亮度不均匀处理方法 | 第20-25页 |
| 3.2.3 基于改进同态滤波的亮度不均匀校正 | 第25-27页 |
| 3.3 本章小结 | 第27-28页 |
| 第四章 磁瓦表面缺陷检测和分割 | 第28-49页 |
| 4.1 磁瓦表面缺陷快速检测 | 第28-36页 |
| 4.1.1 磁瓦表面图像分块 | 第28页 |
| 4.1.2 图像块灰度特征量 | 第28-33页 |
| 4.1.3 基于改进的灰度特征量的缺陷检测 | 第33-36页 |
| 4.2 磁瓦表面图像分割 | 第36-40页 |
| 4.2.1 图像分割简述 | 第36-38页 |
| 4.2.2 磁瓦表面图像分割算法分析 | 第38-40页 |
| 4.3 基于视觉注意机制的磁瓦表面缺陷分割 | 第40-48页 |
| 4.3.1 视觉注意简介 | 第40页 |
| 4.3.2 视觉显著度计算模型 | 第40-43页 |
| 4.3.3 基于改进Itti模型的磁瓦表面缺陷分割 | 第43-48页 |
| 4.4 本章小结 | 第48-49页 |
| 第五章 磁瓦表面缺陷特征提取和分类 | 第49-58页 |
| 5.1 缺陷图像特征提取 | 第49-51页 |
| 5.2 基于随机森林缺陷分类 | 第51-54页 |
| 5.2.1 决策树 | 第51-52页 |
| 5.2.2 随机森林 | 第52-54页 |
| 5.3 基于随机森林的磁瓦缺陷分类实验分析 | 第54-56页 |
| 5.4 本章小结 | 第56-58页 |
| 第六章 磁瓦缺陷检测系统软件设计与测试 | 第58-66页 |
| 6.1 软件流程和模块化设计 | 第58-62页 |
| 6.1.1 系统软件流程 | 第58-59页 |
| 6.1.2 软件平台模块化设计 | 第59-62页 |
| 6.2 软件测试 | 第62-65页 |
| 6.2.1 软件平台测试 | 第62-63页 |
| 6.2.2 算法测试 | 第63-65页 |
| 6.3 本章小结 | 第65-66页 |
| 第七章 总结与展望 | 第66-68页 |
| 7.1 总结 | 第66页 |
| 7.2 展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录A 插图清单 | 第72-74页 |
| 附录B 表格清单 | 第74-75页 |
| 附录C 程序源码 | 第75-86页 |
| 在学研究成果 | 第86-87页 |
| 致谢 | 第87页 |