| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题的来源、背景及意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 机器视觉系统概述 | 第11-12页 |
| 1.2.2 表面缺陷检测算法概述 | 第12-14页 |
| 1.2.3 大尺寸产品表面缺陷检测系统研究现状 | 第14页 |
| 1.2.4 存在的问题 | 第14-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 第2章 大尺寸机柜表面缺陷检测系统设计 | 第16-28页 |
| 2.1 机柜表面缺陷检测系统技术指标 | 第16页 |
| 2.2 高质量图像获取的关键技术分析 | 第16-18页 |
| 2.3 照明光源选择 | 第18-21页 |
| 2.3.1 光源类型的选择 | 第19-20页 |
| 2.3.2 光源颜色的选择 | 第20页 |
| 2.3.3 光照角度的选择 | 第20-21页 |
| 2.4 图像采集系统硬件选择及搭建 | 第21-26页 |
| 2.4.1 相机的选择 | 第21-24页 |
| 2.4.2 镜头的选择 | 第24-25页 |
| 2.4.3 实验平台搭建 | 第25-26页 |
| 2.5 系统工作流程图 | 第26-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于Gabor变换的低对比度缺陷图像增强方法研究 | 第28-38页 |
| 3.1 低对比度缺陷检测方法概述 | 第28-29页 |
| 3.2 低对比度表面缺陷图像的特点分析 | 第29-32页 |
| 3.2.1 图像对比度的定义 | 第29-30页 |
| 3.2.2 图像对比度的评价方法 | 第30-32页 |
| 3.3 Gabor变换原理 | 第32-35页 |
| 3.3.1 Gabor变换优点 | 第32-33页 |
| 3.3.2 Gabor变换原理 | 第33-34页 |
| 3.3.3 Gabor变换在低对比度缺陷检测中的应用 | 第34-35页 |
| 3.4 低对比图像增强实验结果与分析 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第4章 基于锚点的边缘检测优化算法研究 | 第38-50页 |
| 4.1 边缘检测理论 | 第38-39页 |
| 4.2 传统的边缘检测算法 | 第39-43页 |
| 4.3 基于锚点的边缘检测算法优化 | 第43-47页 |
| 4.3.1 高斯滤波 | 第43-44页 |
| 4.3.2 梯度幅度和边缘方向的计算 | 第44-45页 |
| 4.3.3 锚点的提取 | 第45页 |
| 4.3.4 通过智能路由算法连接锚点 | 第45-47页 |
| 4.4 实验结果对比 | 第47-48页 |
| 4.4.1 优化算法的边缘检测质量和运行时间性能 | 第47-48页 |
| 4.4.2 梯度算子对锚点边缘检测算法的影响 | 第48页 |
| 4.5 本章小结 | 第48-50页 |
| 第5章 融合图像匹配和图像差分算法的缺陷检测研究 | 第50-68页 |
| 5.1 图像匹配概述 | 第50-54页 |
| 5.1.1 图像匹配的流程 | 第50-51页 |
| 5.1.2 图像匹配算法 | 第51-54页 |
| 5.2 图像变换模型及插值技术 | 第54-57页 |
| 5.2.1 图像变换的模型 | 第54-56页 |
| 5.2.2 图像配准插值技术 | 第56-57页 |
| 5.3 SIFT算法 | 第57-62页 |
| 5.3.1 高斯尺度空间的建立 | 第57-59页 |
| 5.3.2 特征点的精确定位 | 第59-60页 |
| 5.3.3 特征点主方向的确定 | 第60-61页 |
| 5.3.4 特征描述子的生成 | 第61页 |
| 5.3.5 SIFT特征点匹配 | 第61-62页 |
| 5.4 基于RANSAC算法的特征点匹配优化 | 第62-65页 |
| 5.4.1 匹配结果优化 | 第62-64页 |
| 5.4.2 商标图像匹配结果 | 第64-65页 |
| 5.5 缺陷检测实验结果及分析 | 第65-66页 |
| 5.6 本章小结 | 第66-68页 |
| 第6章 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 致谢 | 第76页 |