软包商标印刷缺陷检测系统研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 课题研究的背景 | 第10-12页 |
| 1.2 课题研究的意义 | 第12-13页 |
| 1.3 课题研究现状 | 第13-14页 |
| 1.3.1 国内研究现状 | 第13-14页 |
| 1.3.2 国外研究现状 | 第14页 |
| 1.4 论文的主要研究内容和结构安排 | 第14-18页 |
| 1.4.1 主要研究内容 | 第14-15页 |
| 1.4.2 论文结构安排 | 第15-18页 |
| 第二章 在线检测系统整体结构设计 | 第18-30页 |
| 2.1 系统的性能要求 | 第18-19页 |
| 2.2 系统的处理器结构 | 第19-21页 |
| 2.3 硬件系统设计 | 第21-27页 |
| 2.3.1 图像采集系统 | 第21-25页 |
| 2.3.2 商标剔除系统 | 第25-27页 |
| 2.4 软件系统分析 | 第27-28页 |
| 2.4.1 软件开发平台 | 第27页 |
| 2.4.2 软件基本功能 | 第27页 |
| 2.4.3 数字图像处理技术路线 | 第27-28页 |
| 2.5 本章小结 | 第28-30页 |
| 第三章 图像预处理系统研究 | 第30-42页 |
| 3.1 引言 | 第30页 |
| 3.2 模板制作 | 第30-33页 |
| 3.2.1 标准模板制作 | 第30-31页 |
| 3.2.2 配准模板T的设计 | 第31-33页 |
| 3.3 彩色图像处理 | 第33-39页 |
| 3.3.1 色彩空间的转换 | 第34-37页 |
| 3.3.2 彩色图像灰度化处理 | 第37-39页 |
| 3.4 图像反转 | 第39-40页 |
| 3.5 本章小结 | 第40-42页 |
| 第四章 图像配准处理系统研究 | 第42-78页 |
| 4.1 引言 | 第42页 |
| 4.2 图像配准数学模型 | 第42-43页 |
| 4.3 图像配准方法分类 | 第43-51页 |
| 4.3.1 基于灰度信息图像配准算法 | 第44-46页 |
| 4.3.2 基于几何特征的图像匹配算法 | 第46-51页 |
| 4.4 基于遗传算法的图像配准算法研究 | 第51-66页 |
| 4.4.1 遗传算法基本原理 | 第52-56页 |
| 4.4.2 相似性参数的选择 | 第56-59页 |
| 4.4.3 图像重采样 | 第59-61页 |
| 4.4.4 遗传算法的实验结果和分析 | 第61-66页 |
| 4.5 算法的改进 | 第66-76页 |
| 4.5.1 种群大小的优化 | 第66-71页 |
| 4.5.2 遗传代数和终止条件改进 | 第71-74页 |
| 4.5.3 第二次精确配准 | 第74-76页 |
| 4.6 本章小结 | 第76-78页 |
| 第五章 缺陷识别系统研究 | 第78-106页 |
| 5.1 引言 | 第78页 |
| 5.2 传统缺陷判别算法 | 第78-83页 |
| 5.2.1 模板匹配法 | 第79页 |
| 5.2.2 差影比较法 | 第79-83页 |
| 5.3 基于缺陷特征信息的检测算法 | 第83-103页 |
| 5.3.1 缺陷特征的提取 | 第84-90页 |
| 5.3.2 特征空间分析 | 第90-93页 |
| 5.3.3 缺陷类型识别算法的实现 | 第93-101页 |
| 5.3.4 算法的性能分析 | 第101-103页 |
| 5.4 印刷缺陷识别的实现 | 第103-104页 |
| 5.5 本章小结 | 第104-106页 |
| 第六章 结论和展望 | 第106-108页 |
| 6.1 结论 | 第106-107页 |
| 6.2 展望 | 第107-108页 |
| 致谢 | 第108-110页 |
| 参考文献 | 第110-114页 |
| 附录：攻读硕士期间发表论文情况 | 第114页 |
