基于机器视觉的光缆表面缺陷识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-19页 |
| 1.1 机器视觉概述 | 第9-15页 |
| 1.1.1 机器视觉技术的发展 | 第9-11页 |
| 1.1.2 机器视觉技术的应用 | 第11-12页 |
| 1.1.3 机器视觉系统构成 | 第12-15页 |
| 1.2 课题背景与研究思路 | 第15-19页 |
| 1.2.1 光缆表面缺陷检测 | 第15-17页 |
| 1.2.2 研究任务与论文结构 | 第17-19页 |
| 第二章 光缆表面缺陷识别系统 | 第19-29页 |
| 2.1 OpenCV视觉函数库概述 | 第19-22页 |
| 2.1.1 图像数据格式 | 第20-22页 |
| 2.2 光缆表面缺陷识别系统概述 | 第22-28页 |
| 2.2.1 设计难点 | 第22-23页 |
| 2.2.2 软件结构 | 第23页 |
| 2.2.3 软件实现 | 第23-27页 |
| 2.2.4 用户界面 | 第27-28页 |
| 2.3 本章小结 | 第28-29页 |
| 第三章 光缆缺陷检测 | 第29-68页 |
| 3.1 图像预处理 | 第29-40页 |
| 3.1.1 光缆图像噪声 | 第29-32页 |
| 3.1.2 光缆图像去噪 | 第32-37页 |
| 3.1.3 光缆图像增强 | 第37-40页 |
| 3.2 光缆图像背景去除 | 第40-51页 |
| 3.2.1 图像边缘检测 | 第42-45页 |
| 3.2.2 光缆边界搜索 | 第45-49页 |
| 3.2.3 光缆直径监测 | 第49-51页 |
| 3.3 缺陷区域分割 | 第51-64页 |
| 3.3.1 形态学开闭重建滤波 | 第52-54页 |
| 3.3.2 常用的阈值分割法 | 第54-56页 |
| 3.3.3 最小误差阈值分割 | 第56-57页 |
| 3.3.4 改进的双向微分算子 | 第57-59页 |
| 3.3.5 基于图像标记的分水岭分割 | 第59-60页 |
| 3.3.6 基于泛洪的光缆边界填充 | 第60-64页 |
| 3.4 缺陷轮廓搜索与拟合 | 第64-65页 |
| 3.5 缺陷区域合并 | 第65-67页 |
| 3.6 本章小结 | 第67-68页 |
| 第四章 光缆缺陷特征提取与识别 | 第68-81页 |
| 4.1 缺陷特征提取概述 | 第68页 |
| 4.2 几何特征提取 | 第68-72页 |
| 4.3 灰度特征提取 | 第72-73页 |
| 4.4 纹理特征提取 | 第73-77页 |
| 4.4.1 LBP算子概述 | 第73-76页 |
| 4.4.2 多尺度LBP算子 | 第76-77页 |
| 4.5 光缆缺陷识别 | 第77-80页 |
| 4.5.1 分类器概述 | 第77-78页 |
| 4.5.2 基于SVM缺陷识别 | 第78-80页 |
| 4.6 本章小结 | 第80-81页 |
| 第五章 总结与展望 | 第81-82页 |
| 参考文献 | 第82-84页 |
| 附录一：攻读硕士学位期间参与的项目 | 第84-85页 |
| 附录二：攻读硕士学位期间申请的专利 | 第85-86页 |
| 致谢 | 第86页 |
