基于机器视觉的纸病检测方法研究与应用
| 致谢 | 第1-4页 |
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·造纸工业的现状和发展 | 第8页 |
| ·纸病检测的重要性 | 第8-9页 |
| ·关于机器视觉技术 | 第9页 |
| ·国内外纸病检测方法研究现状 | 第9-11页 |
| ·国外研究现状 | 第9-10页 |
| ·国内研究现状 | 第10-11页 |
| ·本课题研究的目的和意义 | 第11-13页 |
| 第二章 基于机器视觉的纸病检测系统构成 | 第13-19页 |
| ·纸病检测原理 | 第13页 |
| ·纸病的主要类型、特征及其产生原因 | 第13-15页 |
| ·纸病检测系统的构成 | 第15-17页 |
| ·纸病检测系统的软件开发工具 | 第17-19页 |
| 第三章 基于机器视觉的纸病检测图像处理方法研究 | 第19-47页 |
| ·机器视觉中图像处理理论基础和概述 | 第19-20页 |
| ·纸病图像的平滑去噪 | 第20-22页 |
| ·图像的噪声 | 第20-21页 |
| ·图像的平滑去噪 | 第21-22页 |
| ·图像增强 | 第22-26页 |
| ·灰度变换 | 第23-24页 |
| ·直方图均衡化 | 第24-26页 |
| ·图像分割 | 第26-32页 |
| ·图像边缘检测 | 第27-29页 |
| ·图像阈值分割 | 第29-32页 |
| ·数学形态学处理 | 第32-34页 |
| ·腐蚀和膨胀 | 第33页 |
| ·展开和封闭 | 第33-34页 |
| ·纸病数字图像处理结果及分析 | 第34-41页 |
| ·纸病图像特征提取和选择 | 第41-47页 |
| ·形态特征 | 第41-42页 |
| ·灰度特征 | 第42-43页 |
| ·纹理特征 | 第43-45页 |
| ·纸病特征量选择结果 | 第45-47页 |
| 第四章 基于BP 神经网路的纸病分类器设计 | 第47-54页 |
| ·神经网络概述 | 第47页 |
| ·BP 算法 | 第47-50页 |
| ·BP 神经网络的结构设计 | 第50-51页 |
| ·纸病分类器的训练及验证 | 第51-53页 |
| ·训练样本的选择 | 第51-52页 |
| ·分类器的训练 | 第52-53页 |
| ·纸病分类器识别效果验证 | 第53页 |
| ·实验结果分析 | 第53-54页 |
| 第五章 基于机器视觉的纸病检测系统集成 | 第54-59页 |
| ·纸病检测系统集成 | 第54-58页 |
| ·纸病检测系统硬件构成 | 第54页 |
| ·纸病检测系统软件构成 | 第54-58页 |
| ·系统测试结果与分析 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| ·总结 | 第59页 |
| ·展望 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 附录 | 第63-65页 |
| 详细摘要 | 第65-68页 |
