| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 目录 | 第9-12页 |
| CONTENTS | 第12-15页 |
| 第1章 绪论 | 第15-24页 |
| ·研究背景 | 第15-16页 |
| ·羽毛全自动检测系统 | 第16-17页 |
| ·机器视觉检测毛杆缺陷检测的一般内容 | 第17-18页 |
| ·基于机器视觉缺陷检测算法研究进展 | 第18-22页 |
| ·光照分析 | 第19-20页 |
| ·图像增强 | 第20页 |
| ·图像分割 | 第20-21页 |
| ·缺陷检测 | 第21-22页 |
| ·毛杆缺陷检测的关键问题 | 第22页 |
| ·本文的内容安排 | 第22-24页 |
| 第2章 毛杆缺陷物理模型和光照分析 | 第24-41页 |
| ·结构分析 | 第24-27页 |
| ·羽毛结构分析 | 第24-25页 |
| ·毛杆形状分析 | 第25-26页 |
| ·毛杆缺陷分类 | 第26-27页 |
| ·缺陷的光照分析 | 第27-36页 |
| ·缺陷物理结构模型 | 第27-29页 |
| ·缺陷模型的光照分析 | 第29-36页 |
| ·羽毛侧光的光照分析 | 第36-40页 |
| ·侧光图像采集模型 | 第36-38页 |
| ·灰度补偿 | 第38页 |
| ·实验结果 | 第38-40页 |
| ·本章小结 | 第40-41页 |
| 第3章 羽毛图像预处理 | 第41-57页 |
| ·图像恢复增强 | 第41-44页 |
| ·图像恢复 | 第41-42页 |
| ·图像增强 | 第42-43页 |
| ·试验结果与分析 | 第43-44页 |
| ·各向异性扩散方程的去噪方法 | 第44-56页 |
| ·图像处理的偏微分方程方法 | 第44-47页 |
| ·耦合冲击滤波器和复扩散方法 | 第47-53页 |
| ·毛杆滤波各种模型的比较及分析 | 第53-56页 |
| ·本章小结 | 第56-57页 |
| 第4章 毛杆提取 | 第57-77页 |
| ·图像分割简介 | 第57-61页 |
| ·数据驱动的分割 | 第57-58页 |
| ·模型驱动的分割 | 第58-60页 |
| ·图像分割中的物理模型与随机场模型 | 第60-61页 |
| ·基于阈值法的毛杆提取 | 第61-63页 |
| ·基于Gabor纹理的毛杆分割 | 第63-66页 |
| ·Gabor函数 | 第63-64页 |
| ·Gabor特征提取 | 第64页 |
| ·Gobar纹理分割实验结果及分析 | 第64-66页 |
| ·基于snake模型的毛杆分割 | 第66-76页 |
| ·snake模型概述 | 第66-69页 |
| ·基于snake的毛杆提取 | 第69-76页 |
| ·本章小结 | 第76-77页 |
| 第5章 毛杆缺陷检测 | 第77-99页 |
| ·缺陷检测一般方法 | 第77-83页 |
| ·基于统计学的方法 | 第77-79页 |
| ·基于结构的方法 | 第79页 |
| ·基于滤波的方法 | 第79-81页 |
| ·基于模型的方法 | 第81-83页 |
| ·基于小波的毛杆缺陷检测 | 第83-93页 |
| ·小波变换概述 | 第83-84页 |
| ·小波基的选择 | 第84-86页 |
| ·Biorthogonal(biorNr.Nd)双正交小波系 | 第86-88页 |
| ·小波变换的类型 | 第88-90页 |
| ·一维缺陷检测 | 第90-91页 |
| ·实验结果 | 第91-93页 |
| ·基于Ridgelet缺陷检测 | 第93-98页 |
| ·Ridgelet变换 | 第93-96页 |
| ·FRIT在毛杆检测中的应用 | 第96-97页 |
| ·实验结果 | 第97-98页 |
| ·本章小结 | 第98-99页 |
| 第6章 缺陷特征参数提取 | 第99-105页 |
| ·概述 | 第99-100页 |
| ·几何特征 | 第100页 |
| ·形态特征 | 第100-101页 |
| ·灰度特征 | 第101-103页 |
| ·表面缺陷特征参数提取 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 结论 | 第105-107页 |
| 参考文献 | 第107-118页 |
| 攻读博士期间发表论文与参与的科研项目 | 第118-120页 |
| 致谢 | 第120页 |