带钢表面缺陷检测及识别关键技术研究
| 中文摘要 | 第3-4页 |
| 英文摘要 | 第4-5页 |
| 1 绪论 | 第9-12页 |
| 1.1 课题研究背景及意义 | 第9页 |
| 1.2 研究现状 | 第9-10页 |
| 1.2.1 国外研究现状 | 第9-10页 |
| 1.2.2 国内研究现状 | 第10页 |
| 1.3 论文研究的主要内容 | 第10-12页 |
| 2 带钢表面缺陷检测系统总体设计 | 第12-16页 |
| 2.1 系统的性能需求分析 | 第12页 |
| 2.2 检测系统设计 | 第12-14页 |
| 2.2.1 系统的检测原理 | 第12-13页 |
| 2.2.2 系统硬件装置 | 第13-14页 |
| 2.3 系统软件流程设计 | 第14-15页 |
| 2.4 本章小结 | 第15-16页 |
| 3 带钢表面缺陷图像预处理技术研究 | 第16-24页 |
| 3.1 光照不均图像的灰度校正 | 第16-21页 |
| 3.1.1 基于灰度变换的直方图均衡化方法 | 第16-17页 |
| 3.1.2 基于照明—反射模型的同态滤波法 | 第17-19页 |
| 3.1.3 Top-hat去光照不均图像增强方法 | 第19-21页 |
| 3.2 图像滤波 | 第21-22页 |
| 3.2.1 均值滤波 | 第21页 |
| 3.2.2 中值滤波 | 第21页 |
| 3.2.3 双边滤波 | 第21-22页 |
| 3.3 三种滤波方法效果比较 | 第22-23页 |
| 3.4 本章小结 | 第23-24页 |
| 4 带钢表面缺陷图像分割 | 第24-42页 |
| 4.1 边缘检测 | 第24-28页 |
| 4.1.1 基于一阶微分的边缘检测算子 | 第24-25页 |
| 4.1.2 基于二阶微分的边缘检测算子 | 第25-26页 |
| 4.1.3 Canny算子 | 第26-27页 |
| 4.1.4 Krisch算子 | 第27-28页 |
| 4.2 各种边缘检测算法效果比较 | 第28-30页 |
| 4.3 图像分割 | 第30-34页 |
| 4.3.1 引言 | 第30-32页 |
| 4.3.2 最大类间方差法 | 第32-33页 |
| 4.3.3 迭代式阈值法 | 第33-34页 |
| 4.3.4 自适应阈值 | 第34页 |
| 4.3.5 Canny算子梯度分割法 | 第34页 |
| 4.4 各分割算法分割效果对比 | 第34-36页 |
| 4.5 ROI区域合并 | 第36-41页 |
| 4.5.1 ROI合并的目的和原理 | 第36-37页 |
| 4.5.2 ROI合并步骤 | 第37-39页 |
| 4.5.3 ROI合并实验 | 第39-41页 |
| 4.6 本章小结 | 第41-42页 |
| 5 带钢表面缺陷特征提取与识别 | 第42-59页 |
| 5.1 特征提取的意义 | 第42页 |
| 5.2 常见的特征描述 | 第42-46页 |
| 5.2.1 灰度特征 | 第43页 |
| 5.2.2 几何形状特征 | 第43-45页 |
| 5.2.3 投影特征 | 第45-46页 |
| 5.3 特征降维 | 第46-50页 |
| 5.3.1 主成分分析法定义 | 第46-47页 |
| 5.3.2 主成分分析法原理 | 第47页 |
| 5.3.3 主成分分析法步骤 | 第47-48页 |
| 5.3.4 实验结果与分析 | 第48-50页 |
| 5.4 带钢表面缺陷类型的识别 | 第50-58页 |
| 5.4.1 引言 | 第50-51页 |
| 5.4.2 SVM分类原理 | 第51-54页 |
| 5.4.3 SVM核函数 | 第54页 |
| 5.4.4 SVM的多类多分方法 | 第54-56页 |
| 5.4.5 用SVM识别带钢表面缺陷的主要步骤 | 第56-57页 |
| 5.4.6 缺陷分类实验 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 6 总结与展望 | 第59-61页 |
| 6.1 总结 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-62页 |
| 参考文献 | 第62-66页 |
| 附录 | 第66页 |
| A. 作者在攻读学位期间取得的科研成果目录 | 第66页 |
