基于二维视觉的工业检测算法研究与应用
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-10页 |
| 插图清单 | 第10-11页 |
| 表格清单 | 第11-12页 |
| 第一章 概论 | 第12-16页 |
| ·课题背景 | 第12页 |
| ·所研究课题的国内外现状 | 第12-14页 |
| ·计算机视觉的国内外发展 | 第12-13页 |
| ·字符识别(OCR)的国内外发展 | 第13-14页 |
| ·研究的内容 | 第14页 |
| ·论文结构 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 第二章 机器视觉检测系统 | 第16-22页 |
| ·机器视觉 | 第16-18页 |
| ·简述 | 第16页 |
| ·机器视觉系统的功能及结构 | 第16-17页 |
| ·机器视觉系统的特点 | 第17-18页 |
| ·机器视觉研究的内容 | 第18页 |
| ·视觉检测原理和方法 | 第18-19页 |
| ·检测原理 | 第18-19页 |
| ·二维检测方法 | 第19页 |
| ·三维检测方法 | 第19页 |
| ·机器视觉的应用 | 第19-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 图像分析中常用预处理算法 | 第22-36页 |
| ·数字图像的概述 | 第22-23页 |
| ·数字图像处理概念 | 第22-23页 |
| ·数字图像处理的方法 | 第23页 |
| ·图像的增强及滤波 | 第23-28页 |
| ·直方图均衡 | 第24-26页 |
| ·平滑滤波 | 第26-28页 |
| ·空域平滑滤波 | 第26-28页 |
| ·频域滤波 | 第28页 |
| ·各种平滑滤波比较 | 第28页 |
| ·二值化 | 第28-31页 |
| ·整体二值化常用算法 | 第29-30页 |
| ·局部闭值法 | 第30页 |
| ·二值化算法比较 | 第30-31页 |
| ·字符分割 | 第31-32页 |
| ·字符分割算法介绍 | 第31-32页 |
| ·字符分割算法比较 | 第32页 |
| ·倾斜校正 | 第32-33页 |
| ·倾斜校正算法 | 第32-33页 |
| ·倾斜校正比较 | 第33页 |
| ·归一化 | 第33-34页 |
| ·位置正规化 | 第33页 |
| ·尺寸正规化 | 第33-34页 |
| ·插值法 | 第34-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 数字字符识别算法分析 | 第36-48页 |
| ·模式识别技术的基本理论 | 第36-37页 |
| ·模式识别的基本概念与系统结构 | 第36-37页 |
| ·印刷体字符模式识别方法 | 第37-41页 |
| ·模式识别方法简介 | 第37-40页 |
| ·常见算法比较 | 第40-41页 |
| ·人工神经网络 | 第41-46页 |
| ·神经网络的结构和学习规则 | 第41-43页 |
| ·神经网络的数学模型 | 第43页 |
| ·BP神经网络 | 第43-46页 |
| ·BP神经网络简介 | 第43-44页 |
| ·BP神经网络数学描述 | 第44-45页 |
| ·BP神经网络的学习步骤 | 第45-46页 |
| ·数字字符特征 | 第46-48页 |
| 第五章 实验系统的实现 | 第48-64页 |
| ·系统的软件与硬件环境 | 第48-51页 |
| ·硬件的选择 | 第48页 |
| ·开发环境简介 | 第48-51页 |
| ·IPL简介 | 第49页 |
| ·OPENCV简介 | 第49-51页 |
| ·系统处理流程 | 第51-52页 |
| ·图像预处理 | 第52-60页 |
| ·灰度化 | 第52-53页 |
| ·图像的梯度锐化 | 第53-54页 |
| ·二值化 | 第54-56页 |
| ·离散去噪 | 第56-57页 |
| ·倾斜矫正 | 第57-58页 |
| ·字符的分割 | 第58-60页 |
| ·字符归一化 | 第60页 |
| ·BP神经网络的数字识别 | 第60-63页 |
| ·BP神经网络层中神经元的选取 | 第60-61页 |
| ·字符特征向量的提取 | 第61-62页 |
| ·样本的选择 | 第62-63页 |
| ·数字的识别结果分析 | 第63页 |
| ·本章小结 | 第63-64页 |
| 第六章 结论与展望 | 第64-65页 |
| ·论文的主要结论 | 第64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-67页 |
| 硕士在学期间发表论文 | 第67页 |
