| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-20页 |
| 1.1 课题研究的背景及意义 | 第13页 |
| 1.2 数字图像分割的研究现状 | 第13-18页 |
| 1.2.1 基于阈值分割方法 | 第14页 |
| 1.2.2 基于纹理分割方法 | 第14-15页 |
| 1.2.3 基于聚类的分割方法 | 第15-16页 |
| 1.2.4 彩色图像分割方法 | 第16-17页 |
| 1.2.5 其他图像分割方法 | 第17-18页 |
| 1.3 本文主要工作及工作安排 | 第18-20页 |
| 第二章 拉链图像检测的相关理论 | 第20-34页 |
| 2.1 图像预处理算法 | 第20-23页 |
| 2.1.1 基于背景的非均匀光照补偿算法 | 第21-22页 |
| 2.1.2 基于数学形态学开运算的背景去除算法 | 第22-23页 |
| 2.2 图像分割算法 | 第23-27页 |
| 2.2.1 最小误差阈值选取法 | 第24-25页 |
| 2.2.2 迭代阈值选取法 | 第25-26页 |
| 2.2.3 最大熵自动阈值法 | 第26-27页 |
| 2.2.4 最大类间方差法 | 第27页 |
| 2.3 目标轮廓的提取算法 | 第27-29页 |
| 2.4 目标特征提取算法 | 第29-33页 |
| 2.4.1 目标轮廓的Hu矩特征提取算法 | 第29-30页 |
| 2.4.2 Surf特征提取算法 | 第30-33页 |
| 2.5 本章小结 | 第33-34页 |
| 第三章 拉链图像阈值分割算法的改进 | 第34-43页 |
| 3.1 最大熵阈值分割算法的改进 | 第34-35页 |
| 3.2 粒子群优化算法对参数λ自适应选取 | 第35-36页 |
| 3.2.1 粒子群优化算法的数学描述 | 第35-36页 |
| 3.3 混沌搜索算法对参数λ自适应选取 | 第36-37页 |
| 3.4 本文设计的参数λ自适应选取算法 | 第37-38页 |
| 3.5 拉链图像的阈值分割结果与分析 | 第38-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第四章 拉链缺陷检测实验系统的搭建 | 第43-55页 |
| 4.1 实验系统的总体设计方案 | 第43-44页 |
| 4.2 硬件功能模块设计 | 第44-47页 |
| 4.2.1 电源和复位电路设计 | 第44-45页 |
| 4.2.2 存储器电路设计 | 第45页 |
| 4.2.3 USB摄像头接口电路设计 | 第45-46页 |
| 4.2.4 网络接口电路设计 | 第46-47页 |
| 4.3 软件功能模块设计 | 第47-54页 |
| 4.3.1 GNU/Linux系统的配置与移植 | 第47-50页 |
| 4.3.2 开源机器视觉库OpenCV的配置与移植 | 第50-52页 |
| 4.3.3 图像采集模块的设计 | 第52页 |
| 4.3.4 网络传输模块的设计 | 第52-53页 |
| 4.3.5 基于JPEG的图像压缩模块的实现原理 | 第53-54页 |
| 4.4 本章小结 | 第54-55页 |
| 第五章 拉链缺陷检测算法与结果分析 | 第55-68页 |
| 5.1 基于Surf算法的拉链检测结果 | 第55-57页 |
| 5.2 基于目标轮廓特征的匹配检测算法 | 第57-63页 |
| 5.2.1 建立模版轮廓的Hu矩特征值表 | 第58-59页 |
| 5.2.2 拉链图像的阈值分割 | 第59-60页 |
| 5.2.3 腐蚀膨胀处理 | 第60页 |
| 5.2.4 轮廓提取 | 第60-61页 |
| 5.2.5 轮廓Hu矩特征匹配算法 | 第61-63页 |
| 5.3 拉链检测实验结果 | 第63-67页 |
| 5.4 本章小结 | 第67-68页 |
| 结论与展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间发表论文 | 第73-75页 |
| 致谢 | 第75页 |