锅炉用小径无缝钢管缺陷的视觉检测系统设计与实现
| 中文摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-11页 |
| 1.1 课题研究的目的和意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.3 本文研究的主要内容 | 第10-11页 |
| 第2章 视觉检测系统设计及实现方案 | 第11-15页 |
| 2.1 视觉检测系统的组成 | 第11-13页 |
| 2.1.1 相机选择 | 第11页 |
| 2.1.2 光源选择 | 第11-13页 |
| 2.1.3 照明方式 | 第13页 |
| 2.2 缺陷检测系统总体方案 | 第13页 |
| 2.3 本章小结 | 第13-15页 |
| 第3章 小径无缝钢管缺陷的图像处理 | 第15-26页 |
| 3.1 小径无缝钢管特点 | 第15页 |
| 3.2 图像处理工具MATLAB简介 | 第15-17页 |
| 3.3 钢管缺陷图像处理流程 | 第17-18页 |
| 3.4 钢管表面常见缺陷及 360°的图像采集 | 第18-19页 |
| 3.5 图像预处理 | 第19-24页 |
| 3.5.1 图像平滑 | 第20-22页 |
| 3.5.2 一种改进的高效中值滤波 | 第22-24页 |
| 3.6 本章小结 | 第24-26页 |
| 第4章 基于纹理特征的小径钢管表面缺陷检测 | 第26-54页 |
| 4.1 缺陷图像增强 | 第26-31页 |
| 4.1.1 灰度直方图 | 第26-27页 |
| 4.1.2 直方图均衡化 | 第27-31页 |
| 4.2 缺陷图像分割 | 第31-35页 |
| 4.2.1 边缘检测 | 第31-33页 |
| 4.2.2 阈值分割 | 第33-35页 |
| 4.2.3 图像分割方法的选择 | 第35页 |
| 4.3 纹理特征提取 | 第35-40页 |
| 4.3.1 区域的几何和形态特征 | 第36-37页 |
| 4.3.2 灰度共生矩阵 | 第37-38页 |
| 4.3.3 纹理特征参数 | 第38-40页 |
| 4.4 图像识别分析 | 第40-44页 |
| 4.4.1 统计模式识别方法 | 第40-41页 |
| 4.4.2 最近邻算法 | 第41-42页 |
| 4.4.3 最小准则（贝叶斯准则） | 第42-44页 |
| 4.5 钢管表面缺陷的视觉检测实验与结果分析 | 第44-52页 |
| 4.5.1 缺陷图像处理 | 第44-47页 |
| 4.5.2 钢管缺陷检测实验与结果分析 | 第47-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60页 |
