基于机器视觉的成捆棒材计数方法的研究与应用
| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究背景 | 第9-10页 |
| 1.2 课题研究意义 | 第10-11页 |
| 1.3 课题研究现状 | 第11-13页 |
| 1.4 图像处理方法概述 | 第13-14页 |
| 1.5 课题的主要工作和内容编排 | 第14-17页 |
| 第二章 棒材图像预处理 | 第17-35页 |
| 2.1 棒材图像二值化 | 第17-21页 |
| 2.1.1 固定门限二值化 | 第17-18页 |
| 2.1.2 OTSU法(大津算法) | 第18-20页 |
| 2.1.3 迭代法 | 第20-21页 |
| 2.1.4 二值化方法对比分析 | 第21页 |
| 2.2 图像增强 | 第21-27页 |
| 2.2.1 图像滤波 | 第21-26页 |
| 2.2.2 图像灰度变换 | 第26-27页 |
| 2.3 图像边缘检测 | 第27-31页 |
| 2.3.1 Sobel算法 | 第28-30页 |
| 2.3.2 Roberts算法 | 第30页 |
| 2.3.3 Canny算法 | 第30-31页 |
| 2.4 直方图变换 | 第31-35页 |
| 第三章 典型分割方法对比 | 第35-49页 |
| 3.1 模板匹配 | 第35-42页 |
| 3.1.1 匹配准则 | 第36-37页 |
| 3.1.2 搜索策略 | 第37-38页 |
| 3.1.3 匹配度算法 | 第38-40页 |
| 3.1.4 特征提取 | 第40-42页 |
| 3.2 分水岭原理 | 第42-49页 |
| 3.2.1 分水岭基本思想 | 第43页 |
| 3.2.2 分水岭优缺点 | 第43-44页 |
| 3.2.3 分水岭处理过程 | 第44-45页 |
| 3.2.4 分水岭算法实验 | 第45-49页 |
| 第四章 支持向量机分类方法 | 第49-67页 |
| 4.1 支持向量机理论 | 第49-51页 |
| 4.2 线性支持向量机 | 第51-53页 |
| 4.3 非线性支持向量机 | 第53-55页 |
| 4.4 LIBSVM简介 | 第55-57页 |
| 4.5 棒材的SVM分类及优化 | 第57-67页 |
| 第五章 计数系统及软件的实现 | 第67-73页 |
| 5.1 系统硬件 | 第67-68页 |
| 5.2 系统软件 | 第68-73页 |
| 第六章 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 工作展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 发表论文和参加科研情况说明 | 第79-81页 |
| 致谢 | 第81页 |
