| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·引言 | 第9页 |
| ·钢球表面质量自动检测系统 | 第9-12页 |
| ·钢球分拣技术研究背景及意义 | 第9-10页 |
| ·钢球表面质量检测技术研究现状 | 第10-12页 |
| ·边缘检测技术的研究历史及发展趋势 | 第12-14页 |
| ·边缘检测的研究历史 | 第12-13页 |
| ·边缘检测技术的发展趋势 | 第13-14页 |
| ·本文主要研究内容 | 第14-15页 |
| ·论文章节安排 | 第15-16页 |
| 第二章 钢球分拣系统 | 第16-25页 |
| ·结构原理及检测过程 | 第16-18页 |
| ·钢球分拣系统硬件配置及相关参数 | 第18-22页 |
| ·钢球分拣系统相机选择及相关参数 | 第18-20页 |
| ·钢球分拣系统照明系统设计 | 第20-22页 |
| ·钢球分拣系统软件构成 | 第22-24页 |
| ·Halcon简介 | 第22-23页 |
| ·Halcon与VS2008混合编程 | 第23页 |
| ·钢球分拣系统软件流程 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第三章 钢球表面图像预处理 | 第25-37页 |
| ·图像分割 | 第25-28页 |
| ·图像分割的概述及意义 | 第25-26页 |
| ·全局阈值分割 | 第26-28页 |
| ·钢球表面图像平滑去噪 | 第28-31页 |
| ·噪声及去噪方法 | 第28-30页 |
| ·钢球表面图像去噪方法 | 第30-31页 |
| ·图像二值化 | 第31-36页 |
| ·图像二值化原理及方法 | 第31-34页 |
| ·钢球表面图像二值化方法 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第四章 钢球图像表面特征边缘检测 | 第37-55页 |
| ·经典边缘检测算法及其在钢球表面缺陷检测中的不足 | 第37-41页 |
| ·一阶微分算子 | 第37-39页 |
| ·二阶微分算子 | 第39-41页 |
| ·Canny算法及其在钢球表面缺陷检测中的不足 | 第41-42页 |
| ·Canny算法 | 第41-42页 |
| ·Canny算法的缺陷 | 第42页 |
| ·Pal-king算法及其在钢球表面缺陷检测中的不足 | 第42-50页 |
| ·模糊集合及模糊关系 | 第42-47页 |
| ·传统Pal-king算法 | 第47-49页 |
| ·传统Pal-king算法在钢球表面图像处理中的不足之处[58] | 第49-50页 |
| ·本文改进的模糊边缘检测算法 | 第50-54页 |
| ·重新定义隶属度函数 | 第50-51页 |
| ·l 校正增强低灰度区域 | 第51-53页 |
| ·设定隶属度函数分量 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 实验结果及分析 | 第55-68页 |
| ·评估方法 | 第55-56页 |
| ·灰度图像边缘检测实验 | 第56-60页 |
| ·灰度图像边缘检测主观评价 | 第56-58页 |
| ·灰度图像边缘检测客观评价 | 第58-59页 |
| ·总结 | 第59-60页 |
| ·钢球表面图像边缘检测实验 | 第60-63页 |
| ·钢球表面图像边缘检测及主观评价 | 第60-62页 |
| ·客观评价 | 第62-63页 |
| ·总结 | 第63页 |
| ·钢球分拣实验 | 第63-67页 |
| ·实验方法与步骤 | 第63-65页 |
| ·实验结果 | 第65-67页 |
| ·本章小结 | 第67-68页 |
| 第六章 总结与展望 | 第68-69页 |
| ·总结 | 第68页 |
| ·展望 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 在读期间公开发表的论文 | 第73-74页 |
| 致谢 | 第74页 |