| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-7页 |
| 第一章 绪论 | 第7-13页 |
| ·研究背景和意义 | 第7-8页 |
| ·金属工件表面瑕疵检测发展现状 | 第8-11页 |
| ·国外现状 | 第8-9页 |
| ·国内现状 | 第9-11页 |
| ·本文主要研究内容简介 | 第11-13页 |
| 第二章 表面瑕疵检测算法分析 | 第13-23页 |
| ·图像预处理 | 第13-17页 |
| ·图像滤波去噪 | 第13-15页 |
| ·图像锐化算法 | 第15-16页 |
| ·克服光照变化 | 第16-17页 |
| ·图像分割 | 第17-20页 |
| ·阈值分割 | 第17-19页 |
| ·边缘检测 | 第19-20页 |
| ·特征提取 | 第20-22页 |
| ·形态特征 | 第20-21页 |
| ·灰度特征 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 轴承防尘盖表面瑕疵检测 | 第23-35页 |
| ·硬件平台 | 第23-25页 |
| ·轴承防尘盖区域提取及预处理 | 第25-28页 |
| ·防尘盖区域提取 | 第25-27页 |
| ·防尘盖区域图像预处理 | 第27-28页 |
| ·防尘盖字符、非字符区域分离 | 第28-31页 |
| ·阈值分割防尘盖圆环图像 | 第28-29页 |
| ·边缘检测防尘盖圆环图像 | 第29页 |
| ·防尘盖字符、非字符区域分离 | 第29-31页 |
| ·瑕疵判别 | 第31-32页 |
| ·实验结果及分析 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第四章 基于 Gabor 滤波和 ICA 的磁瓦表面瑕疵特征提取 | 第35-47页 |
| ·磁瓦表面瑕疵分析 | 第35-36页 |
| ·Gabor 滤波 | 第36-40页 |
| ·Gabor 滤波器的构造 | 第36-38页 |
| ·Gabor 滤波器的改进 | 第38-40页 |
| ·特征提取 | 第40页 |
| ·特征降维 | 第40-45页 |
| ·PCA 降维原理 | 第41-42页 |
| ·PCA 特征降维及分析 | 第42-43页 |
| ·ICA 独立成分分析 | 第43-45页 |
| ·本章小结 | 第45-47页 |
| 第五章 磁瓦表面瑕疵分类识别 | 第47-59页 |
| ·基于 BP 神经网络的瑕疵分类识别 | 第47-50页 |
| ·BP 神经网络原理 | 第47-48页 |
| ·BP 神经网络算法实现 | 第48-49页 |
| ·BP 神经网络的改进 | 第49-50页 |
| ·基于 SVM 的瑕疵分类识别 | 第50-55页 |
| ·SVM 分类基本思想 | 第50-53页 |
| ·SVM 工具箱 | 第53-54页 |
| ·SVM 分类器参数寻优 | 第54-55页 |
| ·实验及结果分析 | 第55-57页 |
| ·本章小结 | 第57-59页 |
| 主要结论与展望 | 第59-60页 |
| 主要结论 | 第59页 |
| 展望 | 第59-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录: 作者在攻读硕士学位期间发表的论文 | 第64页 |